Nuta
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować się zalogować lub zmienić katalog.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Ważne
Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.
Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).
- Zobacz informacje na temat przenoszenia projektów uczenia maszynowego z programu ML Studio (wersja klasyczna) do Azure Machine Learning.
- Dowiedz się więcej o Azure Machine Learning.
Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.
W tym artykule opisano moduły analizy tekstu zawarte w programie Machine Learning Studio (wersja klasyczna). Te moduły zapewniają wyspecjalizowane narzędzia obliczeniowe do pracy z tekstem ze strukturą i bez struktury, w tym:
- Wiele opcji wstępnego przetwarzania tekstu.
- Wykrywanie języka.
- Tworzenie funkcji tekstu przy użyciu dostosowywalnych słowników n-gramowych.
- Funkcja wyznaczania wartości skrótu, aby efektywnie analizować tekst bez wstępnego przetwarzania ani zaawansowanej analizy językowej.
- Vowpal Wabbit, który zapewnia bardzo szybkie uczenie maszynowe tekstu. Vowpal Wabbit obsługuje skróty funkcji, modelowanie tematów (LDA) i klasyfikację.
- Rozpoznawanie jednostek nazwanych w celu wyodrębnienia nazw osób, miejsc i organizacji z tekstu bez struktury.
Uwaga
Dotyczy: tylko Machine Learning Studio (klasyczne)
Podobne moduły przeciągania i upuszczania są dostępne w Azure Machine Learning projektanta.
Przykłady
Przykłady analizy tekstu przy użyciu Machine Learning, zobacz Azure AI Gallery:
Kategoryzacja wiadomości: używa funkcji wyznaczania wartości skrótu do klasyfikowania artykułów na wstępnie zdefiniowaną listę kategorii.
Znajdź podobne firmy: używa tekstu artykułów w Wikipedii do kategoryzowania firm.
Klasyfikacja tekstu: pokazuje, jak end-to-end korzystać z tekstu z wiadomości w serwisie Twitter w analizie tonacji (przykład z pięcioma częściami).
Lista modułów
Kategoria analiza tekstu w programie Machine Learning Studio (wersja klasyczna) obejmuje następujące moduły:
- Wykrywanie języków: wykrywa język każdego wiersza w pliku wejściowym.
- Wyodrębnianie kluczowych fraz z tekstu: wyodrębnia kluczowe frazy z danego tekstu.
- Wyodrębnianie funkcji N-Gram z tekstu: tworzy funkcje słownika N-Gram i na nich zaznacza cechy.
- Skrót funkcji: konwertuje dane tekstowe na funkcje zakodowane w postaci liczb całkowitych przy użyciu biblioteki Vowpal Wabbit.
- Alokacja ukrytego dirichletu: wykonuje modelowanie tematu przy użyciu biblioteki Vowpal Wabbit dla LDA.
- rozpoznawanie jednostek nazwanych: rozpoznaje nazwane jednostki w kolumnie tekstowej.
- Wstępne przetwarzanie tekstu: wykonuje operacje czyszczenia tekstu.
- Score Vowpal Wabbit 7-4 Model :Scores input from Azure by using version 7-4 of the Vowpal Wabbit machine learning system (Ocenianie danych wejściowych z platformy Azure przy użyciu wersji 7–4 systemu uczenia maszynowego Vowpal Wabbit).
- Score Vowpal Wabbit 7-10 Model : Scores input from Azure by using version 7-10 of the Vowpal Wabbit machine learning system (Ocenianie danych wejściowych z platformy Azure przy użyciu wersji 7–10 systemu uczenia maszynowego Vowpal Wabbit).
- Score Vowpal Wabbit 8 Model :Scores input from Azure by using version 8 of the Vowpal Wabbit machine learning system (Ocenianie danych wejściowych z platformy Azure przy użyciu wersji 8 systemu uczenia maszynowego Vowpal Wabbit).
- Trenowanie modelu Vowpal Wabbit 7-4: szkolenie modelu przy użyciu wersji 7–4 systemu uczenia maszynowego Vowpal Wabbit.
- Trenowanie modelu Vowpal Wabbit 7-10: szkolenie modelu przy użyciu wersji 7–10 systemu uczenia maszynowego Vowpal Wabbit.
- Trenowanie modelu Vowpal Wabbit 8: szkolenie modelu przy użyciu wersji 8 systemu uczenia maszynowego Vowpal Wabbit.