TextCatalog Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML

Zestaw:

Microsoft.ML.Transforms.dll

Pakiet:

Microsoft.ML v3.0.1

Kolekcja metod rozszerzeń dla klasy TransformsCatalog.

public static class TextCatalog

type TextCatalog = class

Public Module TextCatalog

Dziedziczenie

Object

TextCatalog

Metody

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)	Utwórz element WordEmbeddingEstimator, który jest cechą tekstową, która konwertuje wektory tekstowe na wektory liczbowe przy użyciu wstępnie wytrenowanych modeli osadzania.
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)	Utwórz element WordEmbeddingEstimator, który jest cechą tekstową, która konwertuje wektor tekstu na wektor liczbowy przy użyciu wstępnie wytrenowanych modeli osadzania.
FeaturizeText(TransformsCatalog+TextTransforms, String, String)	Utwórz obiekt TextFeaturizingEstimator, który przekształca kolumnę tekstową w wektor Single cechowany, który reprezentuje znormalizowane liczby n-gramów i gramów znaków.
FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])	Utwórz obiekt , który przekształca kolumnę TextFeaturizingEstimatortekstową w wektor Single cechowy, który reprezentuje znormalizowane liczby n-gramów i gramów znaków.
LatentDirichletAllocation(TransformsCatalog+TextTransforms, String, String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32, Int32, Int32, Boolean)	Utwórz element LatentDirichletAllocationEstimator, który używa kontrolki LightLDA do przekształcania tekstu (reprezentowanego jako wektor zmiennoprzecinków) w wektor Single wskazujący podobieństwo tekstu z każdym zidentyfikowanym tematem.
NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)	Tworzy obiekt TextNormalizingEstimator, który normalizuje przychodzący tekst w inputColumnName programie, opcjonalnie zmieniając wielkość liter, usuwając znaki diakrytyczne, znaki interpunkcyjne, liczby i wyprowadza nowy tekst jako outputColumnName.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Utwórz obiekt NgramHashingEstimator, który kopiuje dane z kolumny określonej w inputColumnName kolumnie 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 parametrze do nowej kolumny: outputColumnName i tworzy wektor liczby skrótów n-gramów.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Utwórz obiekt , który mapuje kolumnę WordHashBagEstimatorokreśloną w inputColumnName obiekcie na wektor liczby skrótów n-gramów w nowej kolumnie o nazwie outputColumnName.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Utwórz obiekt WordHashBagEstimator, który mapuje wiele kolumn określonych w inputColumnNames elemecie na wektor liczby skrótów n-gramów w nowej kolumnie o nazwie outputColumnName.
ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Tworzy element NgramExtractingEstimator , który tworzy wektor liczby n-gramów (sekwencje kolejnych wyrazów) napotkanych w tekście wejściowym.
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)	Utwórz obiekt , który mapuje kolumnę WordBagEstimatorokreśloną w inputColumnName obiekcie na wektor n-gram counts w nowej kolumnie o nazwie outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Utwórz obiekt , który mapuje kolumnę WordBagEstimatorokreśloną w inputColumnName obiekcie na wektor n-gram counts w nowej kolumnie o nazwie outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Utwórz obiekt WordBagEstimator, który mapuje wiele kolumn określonych w inputColumnNames elemecie na wektor n-gram counts w nowej kolumnie o nazwie outputColumnName.
RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)	Utwórz obiekt CustomStopWordsRemovingEstimator, który kopiuje dane z kolumny określonej w inputColumnName kolumnie do nowej kolumny: outputColumnName i usuwa z niej wstępnie zdefiniowany zestaw tekstu language .
RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])	Utwórz obiekt CustomStopWordsRemovingEstimator, który kopiuje dane z kolumny określonej w inputColumnName kolumnie do nowej kolumny: outputColumnName i usuwa z niej tekst określony.stopwords
TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)	Utwórz obiekt TokenizingByCharactersEstimator, który tokenizuje przez podzielenie tekstu na sekwencje znaków przy użyciu okna przewijania.
TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])	Utwórz element WordTokenizingEstimator, który tokenizuje tekst wejściowy przy użyciu separatorów separators .