TransformsCatalog.TextTransforms Kelas

Definisi

Ruang nama:

Microsoft.ML

Rakitan:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v3.0.1

Kelas yang digunakan oleh MLContext untuk membuat instans komponen transformasi data teks.

public sealed class TransformsCatalog.TextTransforms

type TransformsCatalog.TextTransforms = class

Public NotInheritable Class TransformsCatalog.TextTransforms

Warisan

Object

TransformsCatalog.TextTransforms

Metode Ekstensi

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)	WordEmbeddingEstimatorBuat , yang merupakan featurizer teks yang mengonversi vektor teks menjadi vektor numerik menggunakan model penyematan yang telah dilatih sebelumnya.
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)	WordEmbeddingEstimatorBuat , yang merupakan featurizer teks yang mengonversi vektor teks menjadi vektor numerik menggunakan model penyematan yang telah dilatih sebelumnya.
FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])	Buat TextFeaturizingEstimator, yang mengubah kolom teks menjadi vektor Single yang ditampilkan yang mewakili jumlah n-gram dan char-gram yang dinormalisasi.
FeaturizeText(TransformsCatalog+TextTransforms, String, String)	Buat TextFeaturizingEstimator, yang mengubah kolom teks menjadi vektor Single yang ditampilkan yang mewakili jumlah n-gram dan char-gram yang dinormalisasi.
LatentDirichletAllocation(TransformsCatalog+TextTransforms, String, String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32, Int32, Int32, Boolean)	LatentDirichletAllocationEstimatorBuat , yang menggunakan LightLDA untuk mengubah teks (direpresentasikan sebagai vektor float) menjadi vektor Single yang menunjukkan kesamaan teks dengan setiap topik yang diidentifikasi.
NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)	TextNormalizingEstimatorMembuat , yang menormalkan teks inputColumnName masuk dengan mengubah huruf besar/kecil secara opsional, menghapus tanda diakritik, tanda baca, angka, dan menghasilkan teks baru sebagai outputColumnName.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Buat NgramHashingEstimator, yang menyalin data dari kolom yang ditentukan ke inputColumnName kolom baru: outputColumnName dan menghasilkan vektor hitungan n-gram yang di-hash.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Buat NgramHashingEstimator, yang mengambil data dari beberapa kolom yang ditentukan ke inputColumnNames kolom baru: outputColumnName dan menghasilkan vektor hitungan n-gram yang di-hash.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Buat WordHashBagEstimator, yang memetakan kolom yang ditentukan inputColumnName ke vektor hitungan n-gram yang di-hash di kolom baru bernama outputColumnName.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Buat WordHashBagEstimator, yang memetakan beberapa kolom yang ditentukan ke inputColumnNames vektor hitungan n-gram yang di-hash di kolom baru bernama outputColumnName.
ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	NgramExtractingEstimator Membuat yang menghasilkan vektor hitungan n-gram (urutan kata berturut-turut) yang ditemui dalam teks input.
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)	Buat WordBagEstimator, yang memetakan kolom yang ditentukan inputColumnName ke vektor jumlah n-gram dalam kolom baru bernama outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Buat WordBagEstimator, yang memetakan kolom yang ditentukan inputColumnName ke vektor jumlah n-gram dalam kolom baru bernama outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Buat WordBagEstimator, yang memetakan beberapa kolom yang ditentukan inputColumnNames ke vektor jumlah n-gram dalam kolom baru bernama outputColumnName.
RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)	Buat CustomStopWordsRemovingEstimator, yang menyalin data dari kolom yang ditentukan ke inputColumnName kolom baru: outputColumnName dan menghapus kumpulan teks yang telah ditentukan sebelumnya khusus untuk language dari kolom tersebut.
RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])	Buat CustomStopWordsRemovingEstimator, yang menyalin data dari kolom yang ditentukan ke inputColumnName kolom baru: outputColumnName dan menghapus teks yang ditentukan dari stopwords kolom tersebut.
TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)	Buat TokenizingByCharactersEstimator, yang membuat token dengan memisahkan teks menjadi urutan karakter menggunakan jendela geser.
TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])	Buat WordTokenizingEstimator, yang mentokenisasi teks input menggunakan separators sebagai pemisah.