Paso 6: Implementar el Pipeline NER como API

Construir una API utilizando FastAPI para servir el pipeline NER. FastAPI es un framework web moderno y rápido para construir APIs con Python que ofrece documentación automática de API, validación de solicitudes y excelente rendimiento.

Al envolver nuestro pipeline NER en una API, podemos hacerlo accesible a través de HTTP, permitiendo que otras aplicaciones y servicios se integren fácilmente con nuestro sistema de reconocimiento de entidades nombradas. La API aceptará texto de entrada a través de solicitudes HTTP POST y devolverá las entidades identificadas en un formato JSON estructurado.

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

# Initialize FastAPI
app = FastAPI()

# Define request model
class NERRequest(BaseModel):
    text: str

# Define API endpoint
@app.post("/ner")
def predict_entities(request: NERRequest):
    try:
        entities = ner_pipeline(request.text)
        return {"text": request.text, "entities": entities}
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

Aquí hay un desglose detallado:

1. Importaciones y Configuración

Importa FastAPI y HTTPException para crear el servicio web y manejar errores
Importa BaseModel de pydantic para la validación de datos de solicitud
Inicializa una nueva instancia de aplicación FastAPI

2. Definición del Modelo de Solicitud

Crea una clase NERRequest que hereda de BaseModel
Define un único campo requerido 'text' de tipo string que contendrá el texto de entrada para el reconocimiento de entidades

3. Punto Final de la API

Crea un punto final POST en "/ner"
Toma un objeto NERRequest como entrada
Procesa el texto utilizando el ner_pipeline previamente definido
Devuelve una respuesta JSON que contiene:
- El texto de entrada original
- Las entidades identificadas
Incluye manejo de errores que devuelve un código de estado 500 si el procesamiento falla

Cuando se implementa, otras aplicaciones pueden acceder a esta API para realizar tareas NER a través de solicitudes HTTP, facilitando la integración de la funcionalidad NER en otros sistemas y servicios.

Ejecutar la API localmente:

uvicorn app:app --reload

Probar la API:

curl -X POST "http://127.0.0.1:8000/ner" \
-H "Content-Type: application/json" \
-d '{"text": "Barack Obama was born in Hawaii."}'

Analicémoslo en detalle:

Estructura del Comando:

El comando utiliza cURL para enviar una solicitud POST a un punto final de API local (http://127.0.0.1:8000/ner)
Incluye un encabezado Content-Type que especifica que el cuerpo de la solicitud es JSON
El cuerpo de la solicitud contiene un objeto JSON con un campo "text" que contiene el texto de ejemplo "Barack Obama was born in Hawaii."

Respuesta Esperada:

La API devolverá una respuesta JSON que contiene:

El texto de entrada original
Un arreglo "entities" que enumera cada entidad identificada con:
La palabra o frase detectada
El tipo de entidad (por ejemplo, "PER" para persona, "LOC" para ubicación)
Una puntuación de confianza que indica la certeza del modelo

Este punto final es parte de un servicio FastAPI que procesa texto a través de un pipeline NER para identificar y clasificar entidades nombradas en el texto de entrada.

Respuesta:

{
  "text": "Barack Obama was born in Hawaii.",
  "entities": [
    {"word": "Barack Obama", "entity_group": "PER", "score": 0.98},
    {"word": "Hawaii", "entity_group": "LOC", "score": 0.95}
  ]
}

Este código muestra la respuesta JSON de un punto final de la API de Reconocimiento de Entidades Nombradas (NER). Analicémoslo:

Estructura:

La respuesta contiene dos campos principales:
- "text": Muestra el texto de entrada original que fue analizado ("Barack Obama was born in Hawaii.")
- "entities": Un arreglo que contiene las entidades nombradas identificadas

Entidades Identificadas:

Se detectaron dos entidades:
- 1. "Barack Obama" - clasificado como "PER" (Persona) con 98% de confianza
- 2. "Hawaii" - clasificado como "LOC" (Ubicación) con 95% de confianza

Este es el formato de salida que puede esperar al realizar solicitudes al punto final de la API NER, que procesa texto a través de un pipeline NER para identificar y clasificar entidades nombradas.