https://github.com/halva773/ai-api-service
Модель текстовой бинарной классификации с интерфейсом API (DjangoRESTFramework)
https://github.com/halva773/ai-api-service
Last synced: about 1 year ago
JSON representation
Модель текстовой бинарной классификации с интерфейсом API (DjangoRESTFramework)
- Host: GitHub
- URL: https://github.com/halva773/ai-api-service
- Owner: Halva773
- Created: 2024-08-14T14:02:41.000Z (almost 2 years ago)
- Default Branch: master
- Last Pushed: 2024-08-14T19:49:53.000Z (almost 2 years ago)
- Last Synced: 2024-08-14T21:56:51.654Z (almost 2 years ago)
- Language: Python
- Size: 4 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# API для классификации настроений
Этот проект представляет собой API-сервис, который применяет модель машинного обучения для классификации текста на позитивный или негативный. API построен с использованием Django REST Framework и может быть развернут с помощью Docker.
## Возможности
- **Эндпоинты**:
- **POST /predict**: Принимает текстовые данные и возвращает классификацию настроения (позитивное или негативное).
- **GET /predict**: Принимает текст через параметр запроса и возвращает классификацию настроения.
- **Модель**: Модель классифицирует текст как позитивный или негативный.
- **Развертывание**: Проект включает Dockerfile для легкого развертывания.
## Начало работы
### Предварительные требования
- **Docker**: Убедитесь, что Docker установлен на вашем компьютере.
### Установка
1. **Клонируйте репозиторий**:
```bash
git clone https://github.com/yourusername/your-repository.git
cd your-repository
```
2. **Соберите Docker-образ**:
```bash
docker build -t sentiment_classification_api .
```
3. **Запустите Docker-контейнер**:
```bash
docker run -p 3001:8000 sentiment_classification_api
```
### Использование
Вы можете взаимодействовать с API с помощью инструментов, таких как `curl` или Postman.
- **POST-запрос**:
```bash
curl -X POST http://localhost:3001/predict/ -H "Content-Type: application/json" -d "{\"text\": \"I love it\"}"
```
**Ответ**:
```json
{
"prediction": "1"
}
```
- **GET-запрос**:
```bash
curl -X GET http://localhost:3001/predict/?text=I hate it
```
**Ответ**:
```json
{
"prediction": "0"
}
```
### Структура проекта
- `model/`: Содержит файлы Django-проекта.
- `AI/`: Содержит файл обученной модели (`text_classification_model.pkl`).
- `Dockerfile`: Dockerfile для контейнеризации приложения.
- `requirements.txt`: Python-зависимости для проекта.
### Dockerfile
Предоставленный Dockerfile используется для контейнеризации Django-приложения. Он устанавливает необходимые зависимости, копирует файлы проекта в контейнер и запускает приложение с помощью Gunicorn.