Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Klasyfikacja tekstu

Użyj wstępnie wytrenowanego modelu, aby przypisać akapity do wstępnie zdefiniowanych grup.

Zaczynaj

Jeśli jesteś nowym użytkownikiem TensorFlow Lite i pracujesz z systemem Android, zalecamy zapoznanie się z poniższymi przykładowymi aplikacjami, które mogą pomóc w rozpoczęciu pracy.

Przykład Androida

Jeśli korzystasz z platformy innej niż Android lub znasz już interfejsy API TensorFlow Lite, możesz pobrać nasz model klasyfikacji tekstu startowego.

Pobierz model startowy

Jak to działa

Klasyfikacja tekstu dzieli akapit na predefiniowane grupy na podstawie jego zawartości.

Ten wstępnie wyszkolony model przewiduje, czy sentyment akapitu jest pozytywny czy negatywny. Został wyszkolony na dużym zestawie danych przeglądu filmów v1.0 od Mass et al, który składa się z recenzji filmów IMDB oznaczonych jako pozytywne lub negatywne.

Oto kroki, aby sklasyfikować akapit za pomocą modelu:

  1. Tokenizuj akapit i konwertuj go na listę identyfikatorów słów przy użyciu predefiniowanego słownictwa.
  2. Prześlij listę do modelu TensorFlow Lite.
  3. Uzyskaj prawdopodobieństwo, że akapit będzie dodatni lub ujemny na podstawie wyników modelu.

Uwaga

  • Obsługiwany jest tylko język angielski.
  • Ten model został przeszkolony na podstawie zbioru danych recenzji filmów, więc możesz doświadczyć zmniejszonej dokładności podczas klasyfikowania tekstów z innych domen.

Testy wydajności

Numery testów wydajności są generowane za pomocą opisanego tutaj narzędzia.

Nazwa modelu Rozmiar modelu Urządzenie procesor
Klasyfikacja tekstu 0,6 Mb Pixel 3 (Android 10) 0,05 ms *
Pixel 4 (Android 10) 0,05 ms *
iPhone XS (iOS 12.4.1) 0,025 ms **

* 4 używane nici.

** 2 wątki używane na iPhonie w celu uzyskania najlepszej wydajności.

Przykładowe dane wyjściowe

Tekst Negatywne (0) Pozytywne (1)
To najlepszy film, jaki widziałem w ostatnich latach. Gorąco polecam! 25, 3% 74, 7%
Co za strata czasu. 72,5% 27,5%

Użyj zestawu danych treningowych

Postępuj zgodnie z tym samouczkiem, aby zastosować tę samą technikę, która została użyta tutaj do wytrenowania modelu klasyfikacji tekstu przy użyciu własnych zestawów danych. Mając odpowiedni zbiór danych, możesz stworzyć model dla przypadków użycia, takich jak kategoryzacja dokumentów lub wykrywanie toksycznych komentarzy.

Przeczytaj więcej o klasyfikacji tekstu