עזרה להגן על שונית המחסום הגדולה עם TensorFlow על Kaggle הצטרפו אתגר

סיווג טקסט

השתמש במודל TensorFlow Lite כדי לקטלג פיסקה לקבוצות מוגדרות מראש.

להתחיל

אם אתה חדש ב- TensorFlow Lite ועובד עם Android, אנו ממליצים לבחון את המדריך של ספריית המשימות TensorFLow Lite כדי לשלב מודלים של סיווג טקסט בתוך כמה שורות קוד. ניתן גם לשלב את המודל באמצעות TensorFlow Lite Interpreter Java API .

דוגמת Android למטה מדגימה את היישום לשתי השיטות כמו lib_task_api ו- lib_interpreter בהתאמה.

דוגמה לאנדרואיד

אם אתה משתמש בפלטפורמה שאינה אנדרואיד, או שאתה כבר מכיר את ממשקי ה- API של TensorFlow Lite, אתה יכול להוריד את מודל סיווג הטקסט המתחיל שלנו.

הורד את דגם המתנע

איך זה עובד

סיווג טקסט מסווג פסקה לקבוצות שהוגדרו מראש על סמך תוכנה.

מודל זה מאומן מראש מנבא אם תחושת הפסקה חיובית או שלילית. הוא אומן על מערכת סרטי סרטי סקירה גדולה v1.0 של Mass et al, הכוללת ביקורות IMDB על סרטים שכותרתו חיוביות או שליליות.

להלן השלבים לסיווג פסקה עם המודל:

  1. סמל את הפסקה והמיר אותה לרשימת מזהי מילים באמצעות אוצר מילים מוגדר מראש.
  2. הזן את הרשימה למודל TensorFlow Lite.
  3. קבל את ההסתברות שהפסקה תהיה חיובית או שלילית מתפוקות המודל.

הערה

  • תומכת רק באנגלית.
  • מודל זה הוכשר במערך ביקורות ביקורות על סרטים, כך שתוכל לחוות דיוק מופחת בסיווג טקסט של תחומים אחרים.

אמות מידה לביצועים

מספרי ביצועים מיוצרים בעזרת הכלי המתואר כאן .

שם המודל גודל הדגם התקן מעבד
סיווג טקסט 0.6 Mb פיקסל 3 (אנדרואיד 10) 0.05ms *
פיקסל 4 (אנדרואיד 10) 0.05ms *
iPhone XS (iOS 12.4.1) 0.025ms **

* 4 חוטים בשימוש.

** 2 אשכולות המשמשים ב- iPhone לקבלת התוצאה הטובה ביותר לביצועים

פלט לדוגמא

טֶקסט שלילי (0) חיובי (1)
זה הסרט הכי טוב שראיתי בשנים האחרונות. ממליץ עליו בחום! 25.3% 74.7%
איזה בזבוז זמן. 72.5% 27.5%

השתמש במערך האימונים שלך

עקוב אחר הדרכה זו כדי להחיל את אותה הטכניקה בה השתמשו כאן לאימון מודל סיווג טקסט באמצעות מערכי הנתונים שלך. בעזרת מערך הנתונים הנכון, תוכל ליצור מודל למקרי שימוש כגון סיווג מסמכים או זיהוי הערות רעילות.

קרא עוד על סיווג טקסט