スキップしてメイン コンテンツに移動

GASでAI感情・画像分類予測

GASでAI感情・画像分類予測

GASと機械学習の連携

Google Apps Script（GAS）はスプレッドシートやドキュメントと連携し、業務自動化を実現する強力なツールです。近年はGASから外部APIを呼び出すことで、機械学習モデルを活用した高度な処理を組み込むケースが増えています。例えば、スプレッドシートに入力されたテキストを外部の機械学習サービスへ送信し、分類結果を再度セルに書き込むといったワークフローが簡単に構築できます。

GASからREST APIを呼び出す基本的なコードは以下のようになります。

function callMLAPI() {
  var url = 'https://api.example.com/predict';
  var payload = {
    'text': 'サンプルテキスト'
  };
  var options = {
    'method': 'post',
    'contentType': 'application/json',
    'payload': JSON.stringify(payload)
  };
  var response = UrlFetchApp.fetch(url, options);
  var result = JSON.parse(response.getContentText());
  Logger.log(result);
}

このように、GASは機械学習の前処理・後処理を自動化するハブとして機能します。

Cloud Natural Language APIで感情分析と構文解析

Google Cloud Natural Language APIはテキストデータから感情分析や構文解析を行うサービスです。GASからこのAPIを呼び出すことで、スプレッドシート内のレビューやコメントを自動で分析できます。

感情分析の例:

function analyzeSentiment() {
  var apiKey = 'YOUR_API_KEY';
  var url = 'https://language.googleapis.com/v1/documents:analyzeSentiment?key=' + apiKey;
  var payload = {
    'document': {
      'type': 'PLAIN_TEXT',
      'content': 'この商品はとても良いです！'
    },
    'encodingType': 'UTF8'
  };
  var options = {
    'method': 'post',
    'contentType': 'application/json',
    'payload': JSON.stringify(payload)
  };
  var response = UrlFetchApp.fetch(url, options);
  var result = JSON.parse(response.getContentText());
  Logger.log(result.documentSentiment);
}

構文解析では、文の構造を取得し、主語・述語・目的語を抽出できます。これにより、テキストの要約やキーワード抽出が可能です。

Cloud Vision APIで画像認識を実装

画像認識をGASで行う場合、Google Cloud Vision APIが便利です。画像をBase64エンコードしてAPIに送信し、ラベル検出やテキスト検出を行います。

function detectLabels() {
  var apiKey = 'YOUR_API_KEY';
  var url = 'https://vision.googleapis.com/v1/images:annotate?key=' + apiKey;
  var image = DriveApp.getFileById('FILE_ID').getBlob().getBytes();
  var base64 = Utilities.base64Encode(image);
  var payload = {
    'requests': [{
      'image': { 'content': base64 },
      'features': [{ 'type': 'LABEL_DETECTION', 'maxResults': 5 }]
    }]
  };
  var options = {
    'method': 'post',
    'contentType': 'application/json',
    'payload': JSON.stringify(payload)
  };
  var response = UrlFetchApp.fetch(url, options);
  var result = JSON.parse(response.getContentText());
  Logger.log(result.responses[0].labelAnnotations);
}

画像認識の結果をスプレッドシートに書き込むことで、データベース化や検索機能の向上に役立ちます。

AI連携による予測と分類の実践

機械学習モデルを使った予測や分類は、ビジネスの意思決定を支援します。GASとCloud AI Platformを組み合わせることで、トレーニング済みモデルを呼び出し、リアルタイムに予測結果を取得できます。

例として、顧客の購買意欲を分類するモデルを呼び出すコードは以下のようになります。

function predictCustomerIntent() {
  var endpoint = 'https://ml.googleapis.com/v1/projects/PROJECT_ID/models/MODEL_ID:predict';
  var payload = {
    'instances': [
      { 'features': [0.1, 0.5, 0.3] } // 例: 特徴量ベクトル
    ]
  };
  var options = {
    'method': 'post',
    'contentType': 'application/json',
    'payload': JSON.stringify(payload)
  };
  var response = UrlFetchApp.fetch(endpoint, options);
  var result = JSON.parse(response.getContentText());
  Logger.log(result.predictions);
}

このように、GASはデータの入力・出力を自動化し、AI連携をスムーズに行うための橋渡し役を果たします。

まとめと次のステップ

今回紹介したように、GASは機械学習やAIサービスと組み合わせることで、テキストの感情分析・構文解析、画像認識、予測・分類といった高度な機能を簡単に実装できます。実際の業務に導入する際は、APIキーの管理やレート制限、コスト管理に注意しながら、段階的に機能を拡張していくと良いでしょう。

次のステップとしては、以下を検討してみてください。

  • 複数のAIサービスを組み合わせたワークフローの設計
  • GASのトリガーを使った定期実行やイベント駆動型処理
  • 結果をGoogle Data Studioで可視化し、意思決定をサポート

これらを実践することで、GASとAIの連携がビジネス価値を最大化する強力なツールとなります。

この記事はAIによって作成されました。

ラベル:

コメント

コメントを投稿