Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Multi-class Modus

Dalam mode multi-kelas, klasifikasi menetapkan satu kelas untuk setiap dokumen. Kelas individu saling eksklusif. Misalnya, Anda dapat mengklasifikasikan film sebagai komedi atau fiksi ilmiah, tetapi tidak keduanya.

Plain-text model

Untuk melatih model teks biasa, Anda dapat memberikan data pelatihan berlabel sebagai file CSV atau sebagai file manifes tambahan dari SageMaker AI Ground Truth.

File CSV

Untuk informasi umum tentang menggunakan file CSV untuk pengklasifikasi pelatihan, lihatFile CSV.

Berikan data pelatihan sebagai file CSV dua kolom. Untuk setiap baris, kolom pertama berisi nilai label kelas. Kolom kedua berisi contoh dokumen teks untuk kelas itu. Setiap baris harus diakhiri dengan\ n atau\ r\ n karakter.

Contoh berikut menunjukkan file CSV yang berisi tiga dokumen.

CLASS,Text of document 1
CLASS,Text of document 2
CLASS,Text of document 3

Contoh berikut menunjukkan satu baris file CSV yang melatih pengklasifikasi khusus untuk mendeteksi apakah pesan email adalah spam:

SPAM,"Paulo, your $1000 award is waiting for you! Claim it while you still can at http://example.com."

File manifes yang diperbesar

Untuk informasi umum tentang menggunakan file manifes ditambah untuk pengklasifikasi pelatihan, lihatFile manifes yang diperbesar.

Untuk dokumen teks biasa, setiap baris file manifes ditambah adalah objek JSON lengkap yang berisi dokumen pelatihan, nama kelas tunggal, dan metadata lainnya dari Ground Truth. Contoh berikut adalah file manifes yang diperbesar untuk melatih pengklasifikasi khusus untuk mengenali pesan email spam:

{"source":"Document 1 text", "MultiClassJob":0, "MultiClassJob-metadata":{"confidence":0.62, "job-name":"labeling-job/multiclassjob", "class-name":"not_spam", "human-annotated":"yes", "creation-date":"2020-05-21T17:36:45.814354", "type":"groundtruth/text-classification"}}
{"source":"Document 2 text", "MultiClassJob":1, "MultiClassJob-metadata":{"confidence":0.81, "job-name":"labeling-job/multiclassjob", "class-name":"spam", "human-annotated":"yes", "creation-date":"2020-05-21T17:37:51.970530", "type":"groundtruth/text-classification"}}
{"source":"Document 3 text", "MultiClassJob":1, "MultiClassJob-metadata":{"confidence":0.81, "job-name":"labeling-job/multiclassjob", "class-name":"spam", "human-annotated":"yes", "creation-date":"2020-05-21T17:37:51.970566", "type":"groundtruth/text-classification"}}

Contoh berikut menunjukkan satu objek JSON dari file manifes yang diperbesar, diformat untuk keterbacaan:

{
   "source": "Paulo, your $1000 award is waiting for you! Claim it while you still can at http://example.com.",
   "MultiClassJob": 0,
   "MultiClassJob-metadata": {
       "confidence": 0.98,
       "job-name": "labeling-job/multiclassjob",
       "class-name": "spam",
       "human-annotated": "yes",
       "creation-date": "2020-05-21T17:36:45.814354",
       "type": "groundtruth/text-classification"
   }
}

Dalam contoh ini, source atribut menyediakan teks dokumen pelatihan, dan MultiClassJob atribut menetapkan indeks kelas dari daftar klasifikasi. A job-name tribut adalah nama yang Anda tetapkan untuk pekerjaan pelabelan di Ground Truth.

Saat memulai pekerjaan pelatihan pengklasifikasi di Amazon Comprecept, Anda menentukan nama pekerjaan pelabelan yang sama.

Model dokumen asli

Model dokumen asli adalah model yang Anda latih dengan dokumen asli (seperti PDF, DOCX, dan gambar). Anda memberikan data pelatihan sebagai file CSV.

File CSV

Untuk informasi umum tentang menggunakan file CSV untuk pengklasifikasi pelatihan, lihatFile CSV.

Berikan data pelatihan sebagai file CSV tiga kolom. Untuk setiap baris, kolom pertama berisi nilai label kelas. Kolom kedua berisi nama file dokumen contoh untuk kelas ini. Kolom ketiga berisi nomor halaman. Nomor halaman adalah opsional jika dokumen contoh adalah gambar.

Contoh berikut menunjukkan file CSV yang mereferensikan tiga dokumen masukan.

CLASS,input-doc-1.pdf,3
CLASS,input-doc-2.docx,1
CLASS,input-doc-3.png

Contoh berikut menunjukkan satu baris file CSV yang melatih pengklasifikasi khusus untuk mendeteksi apakah pesan email adalah spam. Halaman 2 dari file PDF berisi contoh spam.

SPAM,email-content-3.pdf,2