সাহায্য Kaggle উপর TensorFlow সঙ্গে গ্রেট বেরিয়ার রিফ রক্ষা চ্যালেঞ্জ যোগদান

পাঠ্য শ্রেণিবিন্যাস

পূর্বনির্ধারিত গোষ্ঠীগুলিতে অনুচ্ছেদটি বিভাগ করতে একটি টেনসরফ্লো লাইট মডেল ব্যবহার করুন।

এবার শুরু করা যাক

আপনি যদি টেনসরফ্লো লাইটে নতুন হন এবং অ্যান্ড্রয়েডের সাথে কাজ করছেন তবে আমরা কোডের কয়েকটি লাইনের মধ্যে পাঠ্য শ্রেণিবিন্যাসের মডেলগুলিকে একীভূত করতে টেনসরফ্লু লাইট টাস্ক লাইব্রেরির গাইডটি অন্বেষণ করার পরামর্শ দিইটেনসরফ্লো লাইট ইন্টারপ্রেটার জাভা এপিআই ব্যবহার করে আপনি মডেলটি সংহত করতে পারেন।

নীচের অ্যান্ড্রয়েড উদাহরণটি যথাক্রমে lib_task_api এবং lib_interpreter হিসাবে উভয় পদ্ধতির প্রয়োগ বাস্তবায়িত করে।

অ্যান্ড্রয়েড উদাহরণ

আপনি যদি অ্যান্ড্রয়েড ব্যতীত অন্য কোনও প্ল্যাটফর্ম ব্যবহার করছেন বা আপনি ইতিমধ্যে টেনসরফ্লো লাইট এপিআইয়ের সাথে পরিচিত হন তবে আপনি আমাদের স্টার্টার পাঠ্য শ্রেণিবদ্ধকরণ মডেলটি ডাউনলোড করতে পারেন।

স্টার্টার মডেলটি ডাউনলোড করুন

কিভাবে এটা কাজ করে

পাঠ্য শ্রেণিবিন্যাস একটি অনুচ্ছেদে এর সামগ্রীর উপর ভিত্তি করে পূর্বনির্ধারিত গোষ্ঠীতে শ্রেণিবদ্ধ করেছে।

কোনও অনুচ্ছেদের মানসিকতা ইতিবাচক বা নেতিবাচক হলে এই প্রাক্ট্রাইনযুক্ত মডেলটি পূর্বাভাস দেয়। এটি ম্যাস এট আল থেকে লার্জ মুভি রিভিউ ডেটাসেট ভি 1.0- এ প্রশিক্ষিত হয়েছিল, যা আইএমডিবি চলচ্চিত্রের পর্যালোচনাগুলিকে ধনাত্মক বা নেতিবাচক হিসাবে চিহ্নিত করে।

মডেলটির সাথে অনুচ্ছেদে শ্রেণিবদ্ধ করার পদক্ষেপগুলি এখানে:

  1. অনুচ্ছেদে টোকেনাইজ করুন এবং পূর্বনির্ধারিত শব্দভাণ্ডার ব্যবহার করে শব্দ আইডির তালিকায় রূপান্তর করুন।
  2. টেনসরফ্লো লাইট মডেলটিকে তালিকাটি ফিড করুন।
  3. মডেল আউটপুটগুলি থেকে অনুচ্ছেদটি ইতিবাচক বা নেতিবাচক হওয়ার সম্ভাবনা পান।

বিঃদ্রঃ

  • কেবল ইংরেজীই সমর্থিত।
  • এই মডেলটি চলচ্চিত্রের পর্যালোচনাগুলি ডেটাসেটে প্রশিক্ষিত হয়েছিল যাতে অন্যান্য ডোমেনগুলির পাঠ্য শ্রেণিবদ্ধ করার সময় আপনি হ্রাস নির্ভুলতার অভিজ্ঞতা পেতে পারেন।

পারফরম্যান্স মানদণ্ড

পারফরম্যান্স বেঞ্চমার্ক নম্বরগুলি এখানে বর্ণিত সরঞ্জামটির সাহায্যে উত্পন্ন হয়।

ণশড মডেল আকার যন্ত্র সিপিইউ
পাঠ্য শ্রেণিবদ্ধকরণ 0.6 এমবি পিক্সেল 3 (অ্যান্ড্রয়েড 10) 0.05 মিমি *
পিক্সেল 4 (অ্যান্ড্রয়েড 10) 0.05 মিমি *
আইফোন এক্সএস (আইওএস 12.4.1) 0.025ms **

* 4 টি থ্রেড ব্যবহৃত হয়েছে।

** সেরা পারফরম্যান্স ফলাফলের জন্য আইফোনে 2 টি থ্রেড ব্যবহৃত হয়েছে।

উদাহরণ আউটপুট

পাঠ্য নেতিবাচক (0) ইতিবাচক (1)
সাম্প্রতিক বছরগুলিতে এটি সেরা সিনেমা movie দৃr়ভাবে এটি সুপারিশ! 25.3% 74.7%
আমার সময় কি একটি বর্জ্য। 72.5% 27.5%

আপনার প্রশিক্ষণ ডেটাসেট ব্যবহার করুন

আপনার নিজের ডেটাসেট ব্যবহার করে একটি পাঠ্য শ্রেণিবদ্ধকরণ মডেলকে প্রশিক্ষণ দিতে এখানে ব্যবহৃত একই কৌশল প্রয়োগ করতে এই টিউটোরিয়ালটি অনুসরণ করুন। সঠিক ডেটাসেটের সাহায্যে আপনি নথির শ্রেণিবদ্ধকরণ বা বিষাক্ত মন্তব্য সনাক্তকরণের মতো ব্যবহারের ক্ষেত্রে একটি মডেল তৈরি করতে পারেন।

পাঠ্যের শ্রেণিবদ্ধকরণ সম্পর্কে আরও পড়ুন