Udostępnij za pośrednictwem


TextCatalog.ProduceHashedNgrams Metoda

Definicja

Przeciążenia

ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)

Utwórz obiekt NgramHashingEstimator, który kopiuje dane z kolumny określonej w inputColumnName do nowej kolumny: outputColumnName i tworzy wektor liczby skrótów n-gramów.

ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)

Utwórz obiekt NgramHashingEstimator, który pobiera dane z wielu kolumn określonych w inputColumnNames pliku do nowej kolumny: outputColumnName i tworzy wektor liczby skrótów n-gramów.

ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)

Utwórz obiekt NgramHashingEstimator, który kopiuje dane z kolumny określonej w inputColumnName do nowej kolumny: outputColumnName i tworzy wektor liczby skrótów n-gramów.

public static Microsoft.ML.Transforms.Text.NgramHashingEstimator ProduceHashedNgrams (this Microsoft.ML.TransformsCatalog.TextTransforms catalog, string outputColumnName, string inputColumnName = default, int numberOfBits = 16, int ngramLength = 2, int skipLength = 0, bool useAllLengths = true, uint seed = 314489979, bool useOrderedHashing = true, int maximumNumberOfInverts = 0, bool rehashUnigrams = false);
static member ProduceHashedNgrams : Microsoft.ML.TransformsCatalog.TextTransforms * string * string * int * int * int * bool * uint32 * bool * int * bool -> Microsoft.ML.Transforms.Text.NgramHashingEstimator
<Extension()>
Public Function ProduceHashedNgrams (catalog As TransformsCatalog.TextTransforms, outputColumnName As String, Optional inputColumnName As String = Nothing, Optional numberOfBits As Integer = 16, Optional ngramLength As Integer = 2, Optional skipLength As Integer = 0, Optional useAllLengths As Boolean = true, Optional seed As UInteger = 314489979, Optional useOrderedHashing As Boolean = true, Optional maximumNumberOfInverts As Integer = 0, Optional rehashUnigrams As Boolean = false) As NgramHashingEstimator

Parametry

catalog
TransformsCatalog.TextTransforms

Wykaz przekształcenia.

outputColumnName
String

Nazwa kolumny wynikającej z przekształcenia inputColumnNameelementu . Typ danych tej kolumny będzie wektorem Single.

inputColumnName
String

Nazwa kolumny do skopiowania danych z. Ten narzędzie do szacowania działa na wektor typu klucza.

numberOfBits
Int32

Liczba bitów do skrótu. Musi należeć do zakresu od 1 do 30 włącznie.

ngramLength
Int32

Długość Ngramu.

skipLength
Int32

Maksymalna liczba tokenów do pominięcia podczas konstruowania n-grama.

useAllLengths
Boolean

Czy należy uwzględnić wszystkie długości n-gramowe do ngramLength lub tylko ngramLength.

seed
UInt32

Skrót nasion.

useOrderedHashing
Boolean

Czy pozycja każdej kolumny źródłowej powinna być uwzględniona w skrótie (jeśli istnieje wiele kolumn źródłowych).

maximumNumberOfInverts
Int32

Podczas tworzenia skrótów tworzymy mapowania między oryginalnymi wartościami a wygenerowanymi wartościami skrótu. Tekstowa reprezentacja oryginalnych wartości jest przechowywana w nazwach miejsc adnotacji dla nowej kolumny. Skróty, w związku z tym, mogą mapować wiele wartości początkowych na jeden. maximumNumberOfInverts określa górną granicę liczby odrębnych wartości wejściowych mapowania na skrót, który należy zachować. Wartość 0 nie zachowuje żadnych wartości wejściowych. -1 zachowuje wszystkie wartości wejściowe mapowania na każdy skrót.

rehashUnigrams
Boolean

Czy rehash unigramy.

Zwraca

Uwagi

NgramHashingEstimator różni się od WordHashBagEstimator sposobu, który NgramHashingEstimator pobiera tokenizowany tekst jako dane wejściowe, podczas gdy WordHashBagEstimator tokenizuje tekst wewnętrznie.

Dotyczy

ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)

Utwórz obiekt NgramHashingEstimator, który pobiera dane z wielu kolumn określonych w inputColumnNames pliku do nowej kolumny: outputColumnName i tworzy wektor liczby skrótów n-gramów.

public static Microsoft.ML.Transforms.Text.NgramHashingEstimator ProduceHashedNgrams (this Microsoft.ML.TransformsCatalog.TextTransforms catalog, string outputColumnName, string[] inputColumnNames = default, int numberOfBits = 16, int ngramLength = 2, int skipLength = 0, bool useAllLengths = true, uint seed = 314489979, bool useOrderedHashing = true, int maximumNumberOfInverts = 0, bool rehashUnigrams = false);
static member ProduceHashedNgrams : Microsoft.ML.TransformsCatalog.TextTransforms * string * string[] * int * int * int * bool * uint32 * bool * int * bool -> Microsoft.ML.Transforms.Text.NgramHashingEstimator
<Extension()>
Public Function ProduceHashedNgrams (catalog As TransformsCatalog.TextTransforms, outputColumnName As String, Optional inputColumnNames As String() = Nothing, Optional numberOfBits As Integer = 16, Optional ngramLength As Integer = 2, Optional skipLength As Integer = 0, Optional useAllLengths As Boolean = true, Optional seed As UInteger = 314489979, Optional useOrderedHashing As Boolean = true, Optional maximumNumberOfInverts As Integer = 0, Optional rehashUnigrams As Boolean = false) As NgramHashingEstimator

Parametry

catalog
TransformsCatalog.TextTransforms

Wykaz przekształcenia.

outputColumnName
String

Nazwa kolumny wynikającej z przekształcenia inputColumnNameselementu . Typ danych tej kolumny będzie wektorem znanego rozmiaru .Single

inputColumnNames
String[]

Nazwa wielu kolumn do przejęcia danych. Ten narzędzie do szacowania działa na wektor typu klucza.

numberOfBits
Int32

Liczba bitów do skrótu. Musi należeć do zakresu od 1 do 30 włącznie.

ngramLength
Int32

Długość Ngramu.

skipLength
Int32

Maksymalna liczba tokenów do pominięcia podczas konstruowania n-grama.

useAllLengths
Boolean

Czy należy uwzględnić wszystkie długości n-gramowe do ngramLength lub tylko ngramLength.

seed
UInt32

Skrót nasion.

useOrderedHashing
Boolean

Czy pozycja każdej kolumny źródłowej powinna być uwzględniona w skrótie (jeśli istnieje wiele kolumn źródłowych).

maximumNumberOfInverts
Int32

Podczas tworzenia skrótów tworzymy mapowania między oryginalnymi wartościami a wygenerowanymi wartościami skrótu. Tekstowa reprezentacja oryginalnych wartości jest przechowywana w nazwach miejsc adnotacji dla nowej kolumny. Skróty, w związku z tym, mogą mapować wiele wartości początkowych na jeden. maximumNumberOfInverts określa górną granicę liczby odrębnych wartości wejściowych mapowania na skrót, który należy zachować. Wartość 0 nie zachowuje żadnych wartości wejściowych. -1 zachowuje wszystkie wartości wejściowe mapowania na każdy skrót.

rehashUnigrams
Boolean

Czy rehash unigramy.

Zwraca

Przykłady

using System;
using System.Collections.Generic;
using Microsoft.ML;
using Microsoft.ML.Data;

namespace Samples.Dynamic
{
    public static class ProduceHashedNgrams
    {
        public static void Example()
        {
            // Create a new ML context, for ML.NET operations. It can be used for
            // exception tracking and logging, as well as the source of randomness.
            var mlContext = new MLContext();

            // Create a small dataset as an IEnumerable.
            var samples = new List<TextData>()
            {
                new TextData(){ Text = "This is an example to compute n-grams " +
                "using hashing." },

                new TextData(){ Text = "N-gram is a sequence of 'N' consecutive" +
                " words/tokens." },

                new TextData(){ Text = "ML.NET's ProduceHashedNgrams API " +
                "produces count of n-grams and hashes it as an index into a " +
                "vector of given bit length." },

                new TextData(){ Text = "The hashing reduces the size of the " +
                "output feature vector" },

                new TextData(){ Text = "which is useful in case when number of " +
                "n-grams is very large." },
            };

            // Convert training data to IDataView.
            var dataview = mlContext.Data.LoadFromEnumerable(samples);

            // A pipeline for converting text into numeric hashed n-gram features.
            // The following call to 'ProduceHashedNgrams' requires the tokenized
            // text /string as input. This is achieved by calling 
            // 'TokenizeIntoWords' first followed by 'ProduceHashedNgrams'.
            // Please note that the length of the output feature vector depends on
            // the 'numberOfBits' settings.
            var textPipeline = mlContext.Transforms.Text.TokenizeIntoWords("Tokens",
                "Text")
                .Append(mlContext.Transforms.Conversion.MapValueToKey("Tokens"))
                .Append(mlContext.Transforms.Text.ProduceHashedNgrams(
                    "NgramFeatures", "Tokens",
                    numberOfBits: 5,
                    ngramLength: 3,
                    useAllLengths: false,
                    maximumNumberOfInverts: 1));

            // Fit to data.
            var textTransformer = textPipeline.Fit(dataview);
            var transformedDataView = textTransformer.Transform(dataview);

            // Create the prediction engine to get the features extracted from the
            // text.
            var predictionEngine = mlContext.Model.CreatePredictionEngine<TextData,
                TransformedTextData>(textTransformer);

            // Convert the text into numeric features.
            var prediction = predictionEngine.Predict(samples[0]);

            // Print the length of the feature vector.
            Console.WriteLine("Number of Features: " + prediction.NgramFeatures
                .Length);

            // Preview of the produced n-grams.
            // Get the slot names from the column's metadata.
            // The slot names for a vector column corresponds to the names
            // associated with each position in the vector.
            VBuffer<ReadOnlyMemory<char>> slotNames = default;
            transformedDataView.Schema["NgramFeatures"].GetSlotNames(ref slotNames);
            var NgramFeaturesColumn = transformedDataView.GetColumn<VBuffer<float>>(
                transformedDataView.Schema["NgramFeatures"]);

            var slots = slotNames.GetValues();
            Console.Write("N-grams: ");
            foreach (var featureRow in NgramFeaturesColumn)
            {
                foreach (var item in featureRow.Items())
                    Console.Write($"{slots[item.Key]}  ");
                Console.WriteLine();
            }

            // Print the first 10 feature values.
            Console.Write("Features: ");
            for (int i = 0; i < 10; i++)
                Console.Write($"{prediction.NgramFeatures[i]:F4}  ");

            //  Expected output:
            //   Number of Features:  32
            //   N-grams:   This|is|an  example|to|compute  compute|n-grams|using  n-grams|using|hashing.  an|example|to  is|an|example  a|sequence|of  of|'N'|consecutive  is|a|sequence  N-gram|is|a  ...
            //   Features:    0.0000          0.0000               2.0000               0.0000               0.0000        1.0000          0.0000        0.0000              1.0000          0.0000  ...
        }

        private class TextData
        {
            public string Text { get; set; }
        }

        private class TransformedTextData : TextData
        {
            public float[] NgramFeatures { get; set; }
        }
    }
}

Uwagi

NgramHashingEstimator różni się od WordHashBagEstimator sposobu, który NgramHashingEstimator pobiera tokenizowany tekst jako dane wejściowe, podczas gdy WordHashBagEstimator tokenizuje tekst wewnętrznie.

Dotyczy