Text Analytics

In dit artikel worden de modules voor tekst analyse van Azure Machine Learning Studio (klassiek) beschreven. Deze modules bieden specifieke reken kundige hulp middelen voor het werken met zowel gestructureerde als ongestructureerde tekst, waaronder:

  • Meerdere opties voor de voor verwerking van tekst.
  • Taal detectie.
  • Het maken van functies uit tekst met aanpas bare n-gram woordenlijsten.
  • Hashing van functies, om tekst efficiënt te analyseren zonder voor verwerking of geavanceerde taal kundige analyse.
  • Vowpal Wabbit voor zeer snelle machine learning op tekst. Vowpal Wabbit ondersteunt functie-hashing, topic Modeling (LDA) en classificatie.
  • Herkenning van benoemde entiteiten, voor het extra heren van de namen van personen, plaatsen en organisaties van ongestructureerde tekst.

Notitie

Van toepassing op : machine learning Studio (klassiek)

Deze inhoud is alleen van toepassing op Studio (klassiek). Er zijn Vergelijk bare modules voor slepen en neerzetten toegevoegd aan Azure Machine Learning Designer. In dit artikel vindt u meer informatie over de twee versies.

Voorbeelden

Voor voor beelden van tekst analyse met Azure Machine Learning raadpleegt u de Azure AI Gallery:

  • Nieuws categorisatie: maakt gebruik van functie-hashing voor het classificeren van artikelen in een vooraf gedefinieerde lijst met categorieën.

  • Vergelijk bare bedrijven zoeken: gebruikt de tekst van Wikipedia-artikelen om bedrijven te categoriseren.

  • Tekst classificatie: demonstreert het end-to-end proces van het gebruik van tekst van Twitter-berichten in sentiment analyse (vijf deel voor beeld).

Lijst met modules

De categorie Text Analytics in azure machine learning Studio (klassiek) omvat deze modules:

Zie ook