Usa un modelo de TensorFlow Lite para categorizar un párrafo en grupos predefinidos.
Empezar
Si es nuevo en TensorFlow Lite y está trabajando con Android, le recomendamos que explore la guía de la biblioteca de tareas de TensorFLow Lite para integrar modelos de clasificación de texto con solo unas pocas líneas de código. También puede integrar el modelo mediante la API Java de intérprete de TensorFlow Lite .
El siguiente ejemplo de Android demuestra la implementación de ambos métodos como lib_task_api y lib_interpreter , respectivamente.
Si usa una plataforma que no sea Android, o si ya está familiarizado con las API de TensorFlow Lite, puede descargar nuestro modelo de clasificación de texto de inicio.
Cómo funciona
La clasificación de texto clasifica un párrafo en grupos predefinidos en función de su contenido.
Este modelo preentrenado predice si el sentimiento de un párrafo es positivo o negativo. Se entrenó en Large Movie Review Dataset v1.0 de Mass et al, que consiste en reseñas de películas de IMDB etiquetadas como positivas o negativas.
Estos son los pasos para clasificar un párrafo con el modelo:
- Tokenice el párrafo y conviértalo en una lista de identificadores de palabras utilizando un vocabulario predefinido.
- Alimente la lista al modelo TensorFlow Lite.
- Obtenga la probabilidad de que el párrafo sea positivo o negativo a partir de los resultados del modelo.
Nota
- Solo se admite el inglés.
- Este modelo se entrenó en el conjunto de datos de reseñas de películas, por lo que puede experimentar una precisión reducida al clasificar el texto de otros dominios.
Puntos de referencia de rendimiento
Los números de referencia de rendimiento se generan con la herramienta que se describe aquí .
| Nombre del modelo | Tamaño del modelo | Dispositivo | UPC |
|---|---|---|---|
| Clasificación de texto | 0.6 MB | Píxel 3 (Android 10) | 0,05 ms* |
| Píxel 4 (Android 10) | 0,05 ms* | ||
| iPhone XS (iOS 12.4.1) | 0,025 ms** |
* 4 hilos utilizados.
** 2 subprocesos utilizados en iPhone para obtener el mejor resultado de rendimiento.
Salida de ejemplo
| Texto | Negativo (0) | Positivo (1) |
|---|---|---|
| Esta es la mejor película que he visto en los últimos años. ¡Lo recomiendo encarecidamente! | 25,3% | 74,7% |
| ¡Qué desperdicio de mi tiempo. | 72,5% | 27,5% |
Usa tu conjunto de datos de entrenamiento
Siga este tutorial para aplicar la misma técnica utilizada aquí para entrenar un modelo de clasificación de texto utilizando sus propios conjuntos de datos. Con el conjunto de datos correcto, puede crear un modelo para casos de uso, como la categorización de documentos o la detección de comentarios tóxicos.