इससे पहले कि आप एक श्रेणी वर्गीकरण मॉडल बनाएं
अपना श्रेणी वर्गीकरण मॉडल बनाने से पहले, सुनिश्चित करें कि आपका डेटा Microsoft Dataverse में है और यह सही प्रारूप में संरचित है।
पूर्वावश्यकताएँ
इस मॉडल के लिए आवश्यक है कि प्रशिक्षण डेटा एक Dataverse तालिका में उपलब्ध हो। बाहरी स्रोतों से डेटा के लिए समर्थन वर्तमान में उपलब्ध नहीं है।
सुनिश्चित करें कि आपके व्यवस्थापक ने आपको प्रशिक्षण डेटा वाली तालिका के लिए पढ़ने के विशेषाधिकार के साथ सुरक्षा भूमिका सौंपा है।
सुनिश्चित करें कि आपके पास अपने Power Platform परिवेश में तालिकाएँ बनाने के लिए उचित अनुमतियाँ हैं। आप या तो सिस्टम कस्टमाइज़र या सिस्टम एडमिनिस्ट्रेटर अंतर्निहित सुरक्षा भूमिकाओं का उपयोग कर सकते हैं।
समर्थित भाषाएँ
AI Builder श्रेणी वर्गीकरण निम्नलिखित भाषाओं का समर्थन करता है। यदि आप अन्य भाषाओं में पाठ को वर्गीकृत करने का प्रयास करते हैं, तो आपका मॉडल ठीक से काम नहीं कर सकता है।
- अंग्रेज़ी
- फ़्रेंच
- जर्मन
- इतालवी
- स्पेनी
- पुर्तगाली (पुर्तगाल)
डेटा तैयारी
Dataverse तालिका से मॉडल को प्रशिक्षित करने के लिए उपयोग किया जाने वाला प्रशिक्षण डेटा निम्नलिखित के अनुरूप होना चाहिए:
टेक्स्ट और टैग को एक ही तालिका में दो कॉलम के रूप में संग्रहीत करें। प्रत्येक पंक्ति में Text कॉलम में डेटा होना चाहिए।
आप Text कॉलम में एक ही पंक्ति में डेटा के लिए एक या अधिक टैग प्रदान कर सकते हैं। आप टैग कॉलम को खाली भी छोड़ सकते हैं।
यदि आपने टेक्स्ट नमूने में एकाधिक टैग की पहचान की है, तो उन्हें टैग फ़ील्ड में सीमांकित टेक्स्ट के रूप में प्रदान करें। वर्तमान में, अल्पविराम (,), अर्धविराम (;), और टैब वर्ण विभाजक समर्थित हैं।
टेक्स्ट टैग्स मुफ़्त नाश्ते के साथ शानदार साफ़ और शांत कमरा भोजन कक्ष छोटा लेकिन सुव्यवस्थित कमरा जो आरामदायक था रूम मुझे 13वीं मंजिल से दृश्य बहुत पसंद है (कोई नहीं) सुनिश्चित करें कि निकाले जाने वाले प्रत्येक टैग के लिए कम से कम 10 अलग-अलग टेक्स्ट नमूने हों। 10 से कम नमूनों वाले टैग को प्रशिक्षित नहीं किया जाएगा। In the previous example, there should have been a minimum of 10 rows each that have been tagged with the Dining and Room tags.
यदि कक्ष को डेटा में 10 से कम पंक्तियों में टैग किया गया है, तो इसे अनदेखा कर दिया जाएगा। मॉडल को उस टैग के लिए डेटा को वर्गीकृत करने के लिए प्रशिक्षित नहीं किया जाएगा।
उपयोग किए जाने वाले प्रत्येक टैग के लिए, कम से कम 10 टेक्स्ट नमूने प्रदान करें जहां इसका उपयोग नहीं किया जाता है।
टेक्स्ट टैग्स मुफ़्त नाश्ते के साथ शानदार साफ़ और शांत कमरा रूम छोटा लेकिन सुव्यवस्थित कमरा जो आरामदायक था रूम (कोई नहीं) रूम यदि तालिका में सभी पंक्तियों को कक्ष पर टैग किया गया है, और कोई पंक्तियाँ नहीं हैं - या 10 से कम पंक्तियाँ हैं - जिन्हें किसी अन्य लेबल पर टैग किया गया है, तो मॉडल विफल हो जाएगा प्रशिक्षण प्रक्रिया.
एक तालिका में कम से कम दो टैग होने चाहिए और प्रत्येक में 10 टेक्स्ट नमूने होने चाहिए।
आप अधिकतम 200 अलग-अलग टैग परिभाषित कर सकते हैं. प्रत्येक टैग एक श्रेणी है जिसे दिए गए पाठ से पहचाना और निकाला जाएगा।
टेक्स्ट डेटा के प्रत्येक नमूने में 5,000 से कम वर्ण होने चाहिए।
यदि आपके पास प्रशिक्षण डेटा नहीं है और आप AI Builder श्रेणी वर्गीकरण का प्रयास करना चाहते हैं, तो नमूना डेटा का उपयोग करने के लिए इन निर्देशों का पालन करें।
प्रशिक्षण डेटा प्रारूप के उदाहरण
यह अनुभाग Dataverse तालिका में प्रशिक्षण डेटा प्रारूप के उदाहरण प्रदान करता है।
| कॉलम | डेटा प्रकार | साइज़ |
|---|---|---|
| टिप्पणियां | टेक्स्ट | 3,000 |
| टैग्स | टेक्स्ट | 100 |
| टिप्पणियां | टैग्स |
|---|---|
| मेरे प्रवास के दौरान मुझे पूरी तरह से नजरअंदाज किया गया।' कर्मचारी मुझे लेने में असफल रहे आकांक्षा करना और यूटीआई होना। मुझे निमोनिया भी हो गया था. |
देखभाल |
| हर बार पहुंचने के तुरंत बाद मुझे देखा गया और सभी कर्मचारी, नर्स, डॉक्टर, और एनेस्थेटिस्ट बहुत मददगार थे। ऐसा लगता है कि टीम वर्क की अच्छी भावना है। |
स्टाफ़, चेक-इन |
| उपकरण अद्यतन लग रहे थे। नर्स/स्वास्थ्य देखभाल सहायक लग रहा था काफी ख्याल रखने वाला. |
सुविधाएं, कर्मचारी |
नोट
यदि आपके पास अपना स्वयं का प्रशिक्षण डेटा नहीं है और आप AI Builder श्रेणी वर्गीकरण आज़माना चाहते हैं, तो आप श्रेणी वर्गीकरण मॉडल के लिए नमूना डेटा डाउनलोड करके शुरुआत कर सकते हैं। अधिक जानकारी: श्रेणी वर्गीकरण करने के लिए नमूना डेटा का उपयोग करें
अपना डेटा आयात करें Dataverse
क्योंकि श्रेणी वर्गीकरण मॉडल के लिए प्रशिक्षण डेटा को एक Dataverse तालिका के रूप में उपलब्ध होने की आवश्यकता है, आइए Dataverse तालिका में डेटा तैयार करने से शुरुआत करें।
Dataverse इसमें कई स्रोतों से डेटा आयात करने में आपकी सहायता के लिए कनेक्टर्स का एक शक्तिशाली सेट शामिल है। अधिक जानकारी: Microsoft Dataverse में Power Query का उपयोग करके तालिका में डेटा जोड़ें।
उदाहरण के तौर पर, आइए देखें कि एक्सेल वर्कबुक से प्रशिक्षण डेटा कैसे आयात करें। यह उदाहरण एक फ़ाइल का उपयोग करता है जिसमें निम्न तालिका में दिखाया गया है।
| ID | टैग्स | टेक्स्ट |
|---|---|---|
| 1 | भोजन | नाश्ता थोड़ा परेशानी भरा था। |
| 2 | भोजन कक्ष | मुफ़्त नाश्ते के साथ शानदार साफ़ और शांत कमरा। |
| 3 | कमरा, भोजन, स्थान | जिस स्टाफ के साथ हमने व्यवहार किया वह बहुत मिलनसार और मददगार था। हॉलवे और हमारा कमरा साफ़ और आरामदायक थे। नाश्ता (शामिल) मफिन और बैगल्स था। |
| 4 | स्थान, भोजन | आसपास का क्षेत्र बार और रेस्तरां से भरा है। |
| 5 | Service | स्टाफ सम्मानजनक था. |
उदाहरण में, टैग अल्पविराम (,) द्वारा अलग किए गए हैं। विकल्प के रूप में, आप अर्धविराम (;) या टैब वर्ण का उपयोग कर सकते हैं।
Power Apps में साइन इन करें.
वह वातावरण चुनें जिसमें आप काम करना चाहते हैं।
डेटा>टेबल्स चुनें।
अपनी तालिका चुनें. यदि आपके पास पहले से कोई तालिका नहीं है, तो एक कस्टम तालिका बनाएं में दिए गए चरणों का पालन करें।
चयनित तालिका के रिबन से डेटा>डेटा प्राप्त करें>एक्सेल से डेटा प्राप्त करें चुनें।
On the Import data screen, select the Excel file that has the data referred to in the Examples of training data format section earlier in this topic, and then select Upload.
टेक्स्ट श्रेणी के लिए कॉलम मैपिंग स्क्रीन पर फ़ील्ड मैपिंग की समीक्षा करने के लिए, मैप कॉलम चुनें।
बाईं ओर तालिका में परिभाषित सभी कॉलम सूचीबद्ध हैं। दाईं ओर ड्रॉपडाउन सूची एक्सेल फ़ाइल में उपलब्ध कॉलम दिखाती है।
टैग, टेक्स्ट, और आईडी को मैप करें Excel से तालिका में संबंधित कॉलम तक कॉलम।
कॉलम मैप करने के बाद, ऊपरी दाएं कोने में परिवर्तन सहेजें का चयन करके आयात चरण पर वापस जाएं।
मैपिंग स्थिति को सफल देखने के बाद, ऊपरी-दाएँ कोने में आयात का चयन करके आयात प्रक्रिया शुरू करें। .
आयात किए जा रहे डेटा की मात्रा के आधार पर आयात प्रक्रिया में कुछ मिनट लग सकते हैं। कुछ मिनटों के बाद, एक्सेल फ़ाइल से आयातित सभी रिकॉर्ड खोजने के लिए तालिका के डेटा टैब को रीफ्रेश करें।
अब आप अगले चरण पर जाने के लिए तैयार हैं।