การจัดประเภทข้อความ

ใช้โมเดล TensorFlow Lite เพื่อจัดหมวดหมู่ย่อหน้าในกลุ่มที่กำหนดไว้ล่วงหน้า

เริ่ม

หากคุณเพิ่งเริ่มใช้ TensorFlow Lite และกำลังใช้งาน Android เราขอแนะนำให้ดูคำแนะนำของ TensorFlow Lite Task Library เพื่อรวมโมเดลการจัดประเภทข้อความภายในโค้ดเพียงไม่กี่บรรทัด คุณยังสามารถรวมโมเดลโดยใช้ TensorFlow Lite Interpreter Java API

ตัวอย่าง Android ด้านล่างสาธิตการใช้งานสำหรับทั้งสองวิธีเป็น lib_task_api และ lib_interpreter ตามลำดับ

ตัวอย่าง Android

หากคุณกำลังใช้แพลตฟอร์มอื่นที่ไม่ใช่ Android หรือคุ้นเคยกับ TensorFlow Lite API อยู่แล้ว คุณสามารถดาวน์โหลดแบบจำลองการจัดประเภทข้อความเริ่มต้นของเราได้

ดาวน์โหลดรุ่นสตาร์ท

มันทำงานอย่างไร

การจัดประเภทข้อความจัดประเภทย่อหน้าออกเป็นกลุ่มที่กำหนดไว้ล่วงหน้าตามเนื้อหา

โมเดลที่ได้รับการฝึกมาล่วงหน้านี้คาดการณ์ว่าความคิดเห็นของย่อหน้าเป็นบวกหรือลบ ได้รับการฝึกอบรมเกี่ยวกับ Large Movie Review Dataset v1.0 จาก Mass et al ซึ่งประกอบด้วยบทวิจารณ์ภาพยนตร์ IMDB ที่ระบุว่าเป็นบวกหรือลบ

ต่อไปนี้เป็นขั้นตอนในการจัดประเภทย่อหน้าด้วยแบบจำลอง:

1. แปลงย่อหน้าเป็นโทเค็นและแปลงเป็นรายการรหัสคำโดยใช้คำศัพท์ที่กำหนดไว้ล่วงหน้า
2. ป้อนรายการไปยังรุ่น TensorFlow Lite
3. รับความน่าจะเป็นของย่อหน้าที่เป็นบวกหรือลบจากผลลัพธ์ของแบบจำลอง

บันทึก

• รองรับเฉพาะภาษาอังกฤษเท่านั้น
• โมเดลนี้ได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลบทวิจารณ์ภาพยนตร์ ดังนั้นคุณอาจพบความแม่นยำที่ลดลงเมื่อจัดประเภทข้อความของโดเมนอื่น

มาตรฐานประสิทธิภาพ

ตัวเลขเปรียบเทียบประสิทธิภาพสร้างขึ้นด้วยเครื่องมือที่ อธิบายไว้ที่นี่

* ใช้ 4 เธรด

** ใช้ 2 เธรดบน iPhone เพื่อผลลัพธ์ประสิทธิภาพที่ดีที่สุด

ตัวอย่างผลลัพธ์

ใช้ชุดข้อมูลการฝึกของคุณ

ทำตามบทช่วย สอน นี้เพื่อใช้เทคนิคเดียวกับที่ใช้ในที่นี้เพื่อฝึกโมเดลการจัดประเภทข้อความโดยใช้ชุดข้อมูลของคุณเอง ด้วยชุดข้อมูลที่ถูกต้อง คุณสามารถสร้างแบบจำลองสำหรับกรณีการใช้งาน เช่น การจัดประเภทเอกสารหรือการตรวจจับความคิดเห็นที่เป็นพิษ

อ่านเพิ่มเติมเกี่ยวกับการจัดประเภทข้อความ

• การฝังคำและบทช่วยสอนเพื่อฝึกโมเดลนี้