Cloud Natural Language AI

解決する課題

• 問い合わせやレビューの**感情（ポジティブ/ネガティブ）**を、自前で機械学習モデルを作らずに判定したい
• 文章中に出てくる人名・組織・地名・商品名などのエンティティを自動で抽出し、メタデータ化したい
• 大量の文書を**カテゴリ（コンテンツ分類）**へ自動仕分けし、検索やレコメンドの精度を上げたい
• 自然言語処理の専門知識やインフラを持たずに、API 呼び出しだけで NLP 機能をアプリへ組み込みたい

主要概念と用語

• 感情分析 (Sentiment Analysis): テキスト全体や文ごとの感情を、極性を表す score（おおむねマイナスからプラスの範囲） と感情の強さを表す magnitude（0 以上） の2値で返す。中立と「強い賛否が混在」を magnitude で区別できる
• エンティティ分析 (Entity Analysis): 文中の固有表現（人名・組織・場所・イベント・商品など）を抽出し、種類（type）や該当箇所、関連する知識ベースのメタデータを返す
• エンティティ感情分析 (Entity Sentiment Analysis): エンティティ単位で感情を判定する。「料理は良いがサービスは悪い」のように対象ごとの賛否を捉えられる
• 構文解析 (Syntax Analysis): 文をトークンに分割し、品詞・係り受け（依存構造）・原形などの文法情報を返す
• コンテンツ分類 (Content Classification): テキストを「金融」「スポーツ」などの事前定義カテゴリへ自動分類する
• AutoML / カスタムモデル: 既製カテゴリでは足りない場合に、独自ラベルで分類やエンティティ抽出のカスタムモデルを学習できる。ここからは事前学習済み API とは別の機能領域になる

仕様・制限・クォータ

• REST / gRPC の API として提供され、テキストを送ると JSON で結果が返る。サーバーやモデルの管理は不要なフルマネージド
• 入力はプレーンテキストまたは HTML。1 リクエストあたりの文書サイズには上限があり、長文は文分割・分割送信が必要になる
• 機能ごとに対応言語が異なる。日本語・英語など主要言語は感情/エンティティ/構文に対応するが、機能と言語の組み合わせは公式ドキュメントで要確認
• 1 リクエストで複数機能をまとめて要求できる annotateText があり、感情・エンティティ・構文を一括取得できる
• プロジェクト単位の**レート上限（QPS や 1 分あたりリクエスト数）**があり、超過は必要に応じて引き上げを申請する。具体的な数値は変動するため断定せず公式値を参照する

内部の仕組み

利用者から見ると、このサービスは Google が事前に学習・運用しているモデルへのフロントエンド API です。リクエストでテキストと「どの解析を行うか」を指定すると、Google 側のモデルが推論し、構造化された結果（score/magnitude、エンティティの type と位置、トークンの依存構造など）を返します。モデルの学習データやアーキテクチャは利用者に公開されず、バージョン更新も Google が管理するため、利用者はインフラもスケーリングも意識しません。

感情分析の score と magnitude は独立した意味を持ちます。score は感情の向き（賛否）、magnitude は感情の量（どれだけ強い感情が含まれるか）です。長文では複数の感情が打ち消し合って score が中立に近づく一方、magnitude は積み上がるため、両者を組み合わせて「淡々と中立」と「賛否が激しく混在」を見分けます。

入力テキストはリクエストの処理に使われますが、既定では Google のモデル改善の学習に利用されない設計です（データガバナンスの詳細は公式のデータ利用ポリシーに従います）。

設計パターン / ベストプラクティス

• 既製カテゴリで足りるかをまず判断する。汎用の感情/エンティティ/分類で要件を満たせるなら、事前学習済み API が最短。独自ラベルや業界固有語が必須なら AutoML 等のカスタムモデルへ移行する
• 長文は文単位・段落単位に分割して送り、必要なら文ごとの感情を集約する。文書サイズ上限とコスト単位（後述）の両面で有利
• 複数の解析が必要なら個別 API を何度も呼ばず annotateText で一括取得し、往復回数とレイテンシを減らす
• バッチ的に大量処理する場合は**非同期・キュー化（Pub/Sub や Cloud Tasks 経由）**でレート上限内に流量を整える
• 感情スコアの解釈はしきい値をドメインに合わせて調整する。score だけでなく magnitude も併用して中立判定の精度を上げる

運用・監視

• Cloud Monitoring で API のリクエスト数・エラー率・レイテンシを監視し、レート上限への接近やエラー急増を検知する
• Cloud Logging と監査ログでアクセスを記録し、どのプリンシパルが呼び出したかを追跡する
• レート超過（リソース枯渇エラー）に備え、クライアント側で指数バックオフによる再試行を実装する
• コスト・流量の急変を予算アラートや使用量ダッシュボードで早期把握する

コスト

• 課金は概ね解析したテキスト量と、実行した機能（感情・エンティティ・構文・分類など）の種類で決まる。1 リクエストで複数機能を要求するとそれぞれが課金対象になりうる
• 無料枠の有無や単価は変動するため、見積もりは公式の料金ページで確認する
• 長文をそのまま送ると課金単位が増えるため、前処理で不要部分を削るのが効く

セキュリティ

• 呼び出しはサービスアカウントと IAM で認可し、API キーや鍵のハードコードを避ける（AWS の IAM ロール相当）
• 利用するプリンシパルには Cloud Natural Language の利用に必要な最小権限だけを付与する
• 機密テキストを扱う場合は、送信前に Cloud DLP（Sensitive Data Protection）で個人情報をマスキング/トークン化することを検討する
• ネットワーク境界を固めたい場合は VPC Service Controls でデータ流出経路を制限する
• 監査ログを有効化し、誰がいつどのテキストを解析したかを追跡可能にする

Well-Architected の観点

• 運用上の優秀性 (Operational Excellence): モデルの構築・学習・スケーリングを Google に任せられるため、運用負荷が小さい。アプリ側は API 呼び出しとエラーハンドリングに集中でき、機能拡張も呼び出し追加だけで済む
• 信頼性: マネージドかつリージョン/グローバルで提供されるため可用性は高い。クライアントは再試行とタイムアウトを実装して一時的なエラーに備える
• コスト最適化: 使った分だけの従量課金で、不要機能を呼ばず長文を前処理することで無駄を抑えられる
• セキュリティ: IAM・監査ログ・DLP・VPC Service Controls を組み合わせ、最小権限とデータ保護を担保する

試験で問われるポイント

関連サービス・比較

• 同じ Google Cloud 内では、翻訳が必要なら Cloud Translation、音声からの解析なら Speech-to-Text と前段で組み合わせる
• 独自ラベルでの分類やドメイン特化のエンティティ抽出が必須なら、Vertex AI / AutoML のカスタムモデルへ広げる
• 生成 AI で要約・抽出・分類を柔軟に行いたい場合は Vertex AI の生成モデル が選択肢になるが、定型の感情/エンティティ解析はこの API の方が安定・低コストなことが多い

ハンズオン / CLI例

# 1) API を有効化（プロジェクトで一度だけ）
gcloud services enable language.googleapis.com

# 2) 認証用のアクセストークンを取得して REST を直接呼ぶ
ACCESS_TOKEN=$(gcloud auth print-access-token)

# 3) テキストの感情分析（score と magnitude が返る）
cat > request.json <<'EOF'
{
  "document": {
    "type": "PLAIN_TEXT",
    "content": "この製品は使いやすくて気に入っています。ただ価格は少し高いです。"
  },
  "encodingType": "UTF8"
}
EOF

curl -s -X POST \
  -H "Authorization: Bearer ${ACCESS_TOKEN}" \
  -H "Content-Type: application/json" \
  "https://language.googleapis.com/v1/documents:analyzeSentiment" \
  -d @request.json

# 4) エンティティ抽出（同じ document でエンドポイントを切り替えるだけ）
curl -s -X POST \
  -H "Authorization: Bearer ${ACCESS_TOKEN}" \
  -H "Content-Type: application/json" \
  "https://language.googleapis.com/v1/documents:analyzeEntities" \
  -d @request.json