Özel metin sınıflandırması nedir? (Önizleme)?

  • Makale
  • Okumak için 2 dakika

Özel metin sınıflandırması, dil Için Azurebilişsel hizmeti tarafından sunulan özelliklerden biridir. Bu, metin Sınıflandırma görevleri için özel modeller oluşturmanızı sağlamak üzere makine öğrenimi zekası uygulayan bulut tabanlı bir API hizmetidir.

Özel metin sınıflandırması, dil için Azure bilişsel 'in içindeki özel özelliklerin bir parçası olarak sunulur. Bu özellik, kullanıcıların kullanıcı tarafından önceden tanımlanan özel kategorilere metin sınıflandırmak için özel AI modelleri oluşturmasına olanak sağlar. Geliştiriciler, özel bir sınıflandırma projesi oluşturarak verileri yeniden etiketleyebilir, değerlendirebilir, değerlendirebilir ve tüketim için kullanılabilir hale getirmeden önce model performansını geliştirebilir. Etiketli verilerin kalitesi, model performansını büyük ölçüde etkiler. Modelinize yönelik derleme ve özelleştirmeyi kolaylaştırmak için hizmet, Studio diliaracılığıyla erişilebilen özel bir Web portalı sunar. Bu hızlıbaşlangıçta bulunan adımları izleyerek hizmete kolayca erişebilirsiniz.

Özel metin sınıflandırması iki tür projeyi destekler:

  • Tek etiketli sınıflandırma -veri kümenizin her bir dosyası için tek bir sınıf atayabilirsiniz. Örneğin, bir film betiği yalnızca "Action" veya "Thriller" olarak sınıflandırılabilmelidir.
  • Birden çok etiket sınıflandırması -veri kümenizin her bir dosyası için birden çok sınıf atayabilirsiniz. Örneğin, bir film betiği "Action" veya "Action and Thriller" olarak sınıflandırılabilir.

Bu belge aşağıdaki makale türlerini içerir:

  • Hızlı başlangıçlarda, hizmette istek yapma konusunda size kılavuzluk eden başlangıç yönergeleri bulunur.
  • Kavramlar , hizmet işlevselliği ve özelliklerinin açıklamalarını sağlar.
  • Nasıl yapılır kılavuzlarında , hizmetin daha belirli veya özelleştirilmiş yollarla kullanılmasına ilişkin yönergeler bulunur.

Örnek kullanım senaryoları

Otomatik e-postalar/bilet önceliklendirme

Tüm türlerin destek merkezleri, yapılandırılmamış, serbest biçimli metinler ve ekler içeren binlerce-yüz binlerce e-posta/bilet alır. İç takımlar içindeki konuyla ilgili uzmanlar için zamanında gözden geçirme, bildirim ve yönlendirme çok önemlidir. Ancak, bu ölçekte e-posta önceliklendirme, kişileri gözden geçirmek ve doğru departmanları yönlendirmek için zaman ve değerli kaynakları alır. Özel sınıflandırma, gelen metin önceliklendirme çözümlemek ve gerekli eylemleri gerçekleştirmek üzere ilgili departmana otomatik olarak yönlendirilecek içeriği sınıflandırmak için kullanılabilir.

Arama; katalog veya belge arama, perakende ürün arama veya veri bilimi için bilgi madenciliği dahil olmak üzere kullanıcılara metin içeriğini görüntüleyen uygulamalara yöneliktir.Çeşitli sektörler genelinde birçok kuruluş, hem yapılandırılmış hem de yapılandırılmamış belgeleri içeren özel, heterojen içerik üzerinde zengin bir arama deneyimi oluşturmaya bakıyor. Geliştiricilerin, işlem hattının bir parçası olarak, bir metni sektörle ilgili sınıflara göre kategorilere ayırmak için özel sınıflandırma kullanabilirler. Tahmin edilen sınıflar, daha özelleştirilmiş bir arama deneyimi için dosyanın dizin oluşturulmasını zenginleştirmek üzere kullanılabilir.

Project geliştirme yaşam döngüsü

Özel bir sınıflandırma projesinin oluşturulması genellikle birkaç farklı adımdan oluşur.

Geliştirme yaşam döngüsü

Modelinize en iyi şekilde yararlanmak için aşağıdaki adımları izleyin:

  1. Şemayı tanımlayın: verilerinizi öğrenin ve ayırt etmek istediğiniz sınıfları belirleyin, belirsizlik kullanmaktan kaçının.

  2. Veri etiketleme: veri etiketlemesinin kalitesi, model performansını belirlemede önemli bir faktördür. Eğitimlere dahil etmek istediğiniz tüm dosyaları etiketleyin. Aynı sınıfa ait olan dosyalar her zaman aynı sınıfa sahip olmalıdır. iki sınıfa ayrılan bir dosyanız varsa, birden çok sınıf sınıflandırması projesi kullanın. Sınıf belirsizi önleyin, özellikle de tek sınıf sınıflandırma projeleriyle, sınıflarınızın birbirleriyle açıkça ayrılabilir olduğundan emin olun.

  3. Modeli eğitme: modeliniz, etiketlediğiniz verilerden öğrenimli olarak başlatılır.

  4. Model değerlendirme ayrıntılarını görüntüleme: yeni verilere tanıtıldığında ne kadar iyi performans yapıldığını öğrenmek için modelinize yönelik değerlendirme ayrıntılarını görüntüleyin.

  5. Modeli geliştirme: yanlış model tahminlerini inceleyerek ve veri dağıtımını inceleyerek model performansınızı iyileştirmeye çalışın.

  6. Modeli dağıt: bir modeli dağıtmak, analiz API 'siaracılığıyla kullanıma hazır hale getirir.

  7. Metni sınıflandır: özel modellenmiş metin sınıflandırması görevlerinizi kullanın.

Sonraki adımlar