Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Multi-label modalità
In modalità multi-label, le singole classi rappresentano diverse categorie che non si escludono a vicenda. Multi-label la classificazione assegna una o più classi a ciascun documento. Ad esempio, puoi classificare un film come Documentario e un altro come Fantascienza, Azione e Commedia.
Per la formazione, la modalità multi-label supporta fino a 1 milione di esempi contenenti fino a 100 classi uniche.
Plain-text modelli
Per addestrare un modello in testo normale, puoi fornire dati di addestramento etichettati come file CSV o come file manifesto aumentato da AI Ground Truth. SageMaker
File CSV
Per informazioni generali sull'utilizzo dei file CSV per l'addestramento dei classificatori, consulta. File CSV
Fornisci i dati di allenamento come file CSV a due colonne. Per ogni riga, la prima colonna contiene i valori delle etichette di classe e la seconda colonna contiene un documento di testo di esempio per queste classi. Per inserire più di una classe nella prima colonna, utilizzate un delimitatore (ad esempio |) tra ogni classe.
CLASS,Text of document 1
CLASS,Text of document 2
CLASS|CLASS|CLASS,Text of document 3L'esempio seguente mostra una riga di un file CSV che addestra un classificatore personalizzato per rilevare i generi negli abstract dei film:
COMEDY|MYSTERY|SCIENCE_FICTION|TEEN,"A band of misfit teens become unlikely detectives when they discover troubling clues about their high school English teacher. Could the strange Mrs. Doe be an alien from outer space?"Il delimitatore predefinito tra i nomi delle classi è una barra verticale (|). Tuttavia, è possibile utilizzare un carattere diverso come delimitatore. Il delimitatore deve essere distinto da tutti i caratteri nei nomi delle classi. Ad esempio, se le classi sono CLASS_1, CLASS_2 e CLASS_3, il carattere di sottolineatura (_) fa parte del nome della classe. Quindi non usate un carattere di sottolineatura come delimitatore per separare i nomi delle classi.
File manifesto aumentato
Per informazioni generali sull'utilizzo dei file manifest aumentati per l'addestramento dei classificatori, vedere. File manifesto aumentato
Per i documenti in testo normale, ogni riga del file manifesto aumentato è un oggetto JSON completo. Contiene un documento di formazione, i nomi delle classi e altri metadati di Ground Truth. L'esempio seguente è un file manifest aumentato per addestrare un classificatore personalizzato a rilevare i generi negli abstract dei film:
{"source":"Document 1 text", "MultiLabelJob":[0,4], "MultiLabelJob-metadata":{"job-name":"labeling-job/multilabeljob", "class-map":{"0":"action", "4":"drama"}, "human-annotated":"yes", "creation-date":"2020-05-21T19:02:21.521882", "confidence-map":{"0":0.66}, "type":"groundtruth/text-classification-multilabel"}} {"source":"Document 2 text", "MultiLabelJob":[3,6], "MultiLabelJob-metadata":{"job-name":"labeling-job/multilabeljob", "class-map":{"3":"comedy", "6":"horror"}, "human-annotated":"yes", "creation-date":"2020-05-21T19:00:01.291202", "confidence-map":{"1":0.61,"0":0.61}, "type":"groundtruth/text-classification-multilabel"}} {"source":"Document 3 text", "MultiLabelJob":[1], "MultiLabelJob-metadata":{"job-name":"labeling-job/multilabeljob", "class-map":{"1":"action"}, "human-annotated":"yes", "creation-date":"2020-05-21T18:58:51.662050", "confidence-map":{"1":0.68}, "type":"groundtruth/text-classification-multilabel"}}
L'esempio seguente mostra un oggetto JSON dal file manifesto aumentato, formattato per la leggibilità:
{ "source": "A band of misfit teens become unlikely detectives when they discover troubling clues about their high school English teacher. Could the strange Mrs. Doe be an alien from outer space?", "MultiLabelJob": [ 3, 8, 10, 11 ], "MultiLabelJob-metadata": { "job-name": "labeling-job/multilabeljob", "class-map": { "3": "comedy", "8": "mystery", "10": "science_fiction", "11": "teen" }, "human-annotated": "yes", "creation-date": "2020-05-21T19:00:01.291202", "confidence-map": { "3": 0.95, "8": 0.77, "10": 0.83, "11": 0.92 }, "type": "groundtruth/text-classification-multilabel" } }
In questo esempio, l'sourceattributo fornisce il testo del documento di formazione e l'MultiLabelJobattributo assegna gli indici di diverse classi da un elenco di classificazione. Il nome del lavoro nei MultiLabelJob metadati è il nome che hai definito per il lavoro di etichettatura in Ground Truth.
Modelli di documenti nativi
Un modello di documento nativo è un modello che viene addestrato con documenti nativi (come PDF, DOCX e file di immagine). Fornisci dati di allenamento etichettati come file CSV.
File CSV
Per informazioni generali sull'utilizzo dei file CSV per i classificatori di formazione, consulta. File CSV
Fornisci i dati di allenamento come file CSV a tre colonne. Per ogni riga, la prima colonna contiene i valori delle etichette di classe. La seconda colonna contiene il nome del file di un documento di esempio per queste classi. La terza colonna contiene il numero di pagina. Il numero di pagina è facoltativo se il documento di esempio è un'immagine.
Per inserire più di una classe nella prima colonna, utilizzate un delimitatore (ad esempio |) tra ogni classe.
CLASS,input-doc-1.pdf,3
CLASS,input-doc-2.docx,1
CLASS|CLASS|CLASS,input-doc-3.png,2L'esempio seguente mostra una riga di un file CSV che addestra un classificatore personalizzato per rilevare i generi negli abstract dei film. La pagina 2 del file PDF contiene l'esempio di un film. comedy/teen
COMEDY|TEEN,movie-summary-1.pdf,2Il delimitatore predefinito tra i nomi delle classi è una barra verticale (|). Tuttavia, è possibile utilizzare un carattere diverso come delimitatore. Il delimitatore deve essere distinto da tutti i caratteri nei nomi delle classi. Ad esempio, se le classi sono CLASS_1, CLASS_2 e CLASS_3, il carattere di sottolineatura (_) fa parte del nome della classe. Quindi non usate un carattere di sottolineatura come delimitatore per separare i nomi delle classi.
