TransformsCatalog.TextTransforms Třída

Definice

Obor názvů:

Microsoft.ML

Sestavení:

Microsoft.ML.Data.dll

Balíček:

Microsoft.ML v2.0.0

Třída používaná uživatelem MLContext k vytváření instancí komponent transformace textových dat.

public sealed class TransformsCatalog.TextTransforms

type TransformsCatalog.TextTransforms = class

Public NotInheritable Class TransformsCatalog.TextTransforms

Dědičnost

Object

TransformsCatalog.TextTransforms

Metody rozšíření

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)	WordEmbeddingEstimatorVytvořte objekt , což je text featurizátor, který převede vektor textu na číselný vektor pomocí předem vytrénovaných modelů vkládání.
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)	WordEmbeddingEstimatorVytvořte objekt , což je text featurizátor, který převádí vektory textu na číselné vektory pomocí předem vytrénovaných modelů vkládání.
FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])	Vytvořte TextFeaturizingEstimatorobjekt , který transformuje textový sloupec na featurizovaný vektor Single , který představuje normalizované počty n-gramů a char-gramů.
FeaturizeText(TransformsCatalog+TextTransforms, String, String)	Vytvořte TextFeaturizingEstimatorobjekt , který transformuje textový sloupec na featurovaný vektor Single , který představuje normalizované počty n-gramů a char-gramů.
LatentDirichletAllocation(TransformsCatalog+TextTransforms, String, String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32, Int32, Int32, Boolean)	Vytvořte LatentDirichletAllocationEstimatorobjekt , který pomocí technologie LightLDA transformuje text (reprezentovaný jako vektor floatů) na vektor Single označující podobnost textu s identifikovaným tématem.
NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)	TextNormalizingEstimatorVytvoří objekt , který normalizuje příchozí text v inputColumnName pomocí volitelné změny malých a velkých písmen, odebere diakritická znaménka, interpunkční znaménka a čísla a vypíše nový text jako outputColumnName.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Vytvořte NgramHashingEstimatorsoubor , který zkopíruje data ze sloupce zadaného v inputColumnName do nového sloupce a outputColumnName vytvoří vektor počtu hashovaných n-gramů.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Vytvořte NgramHashingEstimatorsoubor , který přenese data z více sloupců zadaných v inputColumnNames do nového sloupce a outputColumnName vytvoří vektor počtu hashovaných n-gramů.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Vytvořte WordHashBagEstimator, který mapuje zadaný sloupec v inputColumnName na vektor počtu hodnot hashovaných n-gramů v novém sloupci s názvem outputColumnName.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Vytvořte WordHashBagEstimatorsoubor , který mapuje více sloupců zadaných v inputColumnNames na vektor počtu hodnot hashovaných n-gramů v novém sloupci s názvem outputColumnName.
ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	NgramExtractingEstimator Vytvoří vektor počtu n-gramů (posloupností po sobě jdoucích slov), které se vyskytují ve vstupním textu.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Vytvořte WordBagEstimatorsloupec , který mapuje zadaný sloupec na inputColumnName vektor počtu n-gramů v novém sloupci s názvem outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Vytvořte WordBagEstimator, který mapuje více sloupců zadaných v inputColumnNames na vektor počtu n-gramů v novém sloupci s názvem outputColumnName.
RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)	Vytvořte CustomStopWordsRemovingEstimatorobjekt , který zkopíruje data ze sloupce zadaného v inputColumnName souboru do nového sloupce: outputColumnName a odebere z něj předem danou sadu textu language .
RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])	Vytvořte CustomStopWordsRemovingEstimatorobjekt , který zkopíruje data ze sloupce zadaného v inputColumnName souboru do nového sloupce a outputColumnName odebere z něj zadaný text stopwords .
TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)	Vytvořte TokenizingByCharactersEstimatorobjekt , který tokenizuje rozdělením textu do posloupností znaků pomocí posuvného okna.
TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])	Vytvořte , WordTokenizingEstimatorkterý tokenizuje vstupní text pomocí separators oddělovače.