我计划将NLTK，Gensim和Scikit Learn用于某些NLP /文本挖掘。但是我将使用这些库来处理我的组织数据。问题是在使用这些库时“它们是通过API调用来处理数据”还是从python shell中取出数据进行处理。这是一个安全问题，所以想知道是否有人提供任何文档供参考。
感谢对此的任何帮助。
最佳答案
通常，使用NLTK，gensim和scikit-learn，算法将在其源代码中实现，并在数据上本地运行，而无需发送数据进行处理。
我从未注意到这些软件包的任何文档/功能都提到了对远程/云服务的依赖，也从未见过用户对此进行讨论。
但是，它们都是大型库，具有许多我从未审查过的功能，并且有许多贡献者添加了新选项。而且我不知道项目负责人是否已明确表示绝不依赖外部服务。
因此，不可能给出永久的确定性答案。如果您的项目需要考虑这种安全性，则应仔细查看所使用的这些函数/类/方法的文档，甚至是源代码。 （这些项目都不会故意隐藏对外部服务的依赖。）
您也可以在受防火墙限制其与外部服务联系的系统上开发，测试和部署代码，以便您可以检测并阻止与外部计算机的任何未公开或无意的通信。
还请注意，这些库中的每个库又依赖于其他公共库。如果您的关注还扩展到了粗心地或有意地，恶意插入的私有数据泄露方法的可能性，那么您将需要对这些库及其引入的所有其他库进行更深入的分析。 （仅信任顶级文档可能是不够的。）
此外，这些库中的每一个都具有实用程序功能，可根据明确的用户需求下载示例数据集或共享的非代码资源（如停用词或词典列表）。使用此类功能不会将您的任何数据上传到其他地方，但可能会泄漏您正在使用特定功能。上述基于防火墙的方法可能会干扰此类下载步骤。在高度警惕/偏执的情况下，您可能需要特别注意此类额外下载方法的使用和行为，以确保他们所做的与更改本地环境或执行/替换其他方法所要做的一样。库代码。
最后，通过坚持使用广泛的软件包/功能以及仍然可以持续使用的较旧版本，您可能会从一些“社区保证”中受益，即软件包的行为已得到很好的理解，而没有令人惊讶的依赖关系或漏洞。也就是说，许多其他用户已经对这些代码路径给予了一定的关注，分析和实际使用–因此，可能已经发现，公开和解决了任何问题。
关于python - NLTK，Gensim，Scikit Learn的API调用，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59845191/