Textanalyse

In diesem Artikel werden die Textanalyse Module beschrieben, die in Azure Machine Learning Studio (klassisch) enthalten sind. Diese Module bieten spezielle Berechnungs Tools zum Arbeiten mit strukturiertem und unstrukturiertem Text, einschließlich:

  • Mehrere Optionen für die Vorverarbeitung von Text.
  • Spracherkennung.
  • Erstellung von Funktionen aus Text mit anpassbaren n-Gram-Wörterbüchern.
  • Feature-Hashwert, um Text ohne Vorverarbeitung oder erweiterte linguistische Analyse effizient zu analysieren.
  • Vowpal wabbit, für sehr schnelles Machine Learning in Text. Vowpal wabbit unterstützt Feature-Hashwerte, Themen Modellierung (LDA) und Klassifizierung.
  • Benannte Entitäts Erkennung, um die Namen von Personen, Orten und Organisationen aus unstrukturiertem Text zu extrahieren.

Hinweis

Gilt für: Machine Learning Studio (klassisch)

Dieser Inhalt bezieht sich nur auf Studio (klassisch). Ähnliche Drag & Drop-Module wurden Azure Machine Learning-Designer hinzugefügt. Weitere Informationen finden Sie in diesem Artikel zum Vergleich der beiden Versionen.

Beispiele

Beispiele für die Textanalyse mit Azure Machine Learning finden Sie unter Azure AI Gallery:

  • Nachrichten Kategorisierung: verwendet Feature-Hashwerte, um Artikel in eine vordefinierte Liste von Kategorien zu klassifizieren.

  • Ähnliche Unternehmen suchen: verwendet den Text von Wikipedia-Artikeln, um Unternehmen zu kategorisieren.

  • Text Klassifizierung: veranschaulicht den End-to-End-Prozess der Verwendung von Text aus Twitter-Nachrichten in der Stimmungs Analyse (fünf teilige Stichprobe).

Liste der Module

Die Kategorie Textanalyse in Azure Machine Learning Studio (klassisch) umfasst folgende Module:

Weitere Informationen