Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Clasificación de texto

Utilice un modelo previamente entrenado para clasificar un párrafo en grupos predefinidos.

Empezar

Si es nuevo en TensorFlow Lite y está trabajando con Android, le recomendamos explorar la guía de la biblioteca de tareas de TensorFLow Lite para integrar modelos de clasificación de texto en solo unas pocas líneas de código. También puede integrar el modelo con 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.

Ejemplo de Android

Si está utilizando una plataforma que no sea Android, o ya está familiarizado con las API de TensorFlow Lite, puede descargar nuestro modelo de clasificación de texto inicial.

Descargar modelo de inicio

Cómo funciona

La clasificación de texto clasifica un párrafo en grupos predefinidos según su contenido.

Este modelo previamente entrenado predice si el sentimiento de un párrafo es positivo o negativo. Fue entrenado en Large Movie Review Dataset v1.0 de Mass et al, que consiste en reseñas de películas IMDB etiquetadas como positivas o negativas.

Estos son los pasos para clasificar un párrafo con el modelo:

  1. Tokenice el párrafo y conviértalo en una lista de identificadores de palabras utilizando un vocabulario predefinido.
  2. Alimente la lista al modelo de TensorFlow Lite.
  3. 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 un conjunto de datos de reseñas de películas, por lo que puede experimentar una precisión reducida al clasificar texto de otros dominios.

Benchmarks de desempeño

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 Pixel 3 (Android 10) 0,05 ms *
Pixel 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 que se usa aquí para entrenar un modelo de clasificación de texto con sus propios conjuntos de datos. Con el conjunto de datos adecuado, puede crear un modelo para casos de uso, como la categorización de documentos o la detección de comentarios tóxicos.

Leer más sobre la clasificación de texto