TextCatalog Класс

Определение

Пространство имен:

Microsoft.ML

Сборка:

Microsoft.ML.Transforms.dll

Пакет:

Microsoft.ML v3.0.1

Коллекция методов расширения для TransformsCatalog.

public static class TextCatalog

type TextCatalog = class

Public Module TextCatalog

Наследование

Object

TextCatalog

Методы

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)	WordEmbeddingEstimatorСоздайте объект , который является текстовым признаком, преобразующим векторы текста в числовые с помощью предварительно обученных моделей внедрения.
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)	WordEmbeddingEstimatorСоздайте , который является текстовым признаком, который преобразует вектор текста в числовой вектор с помощью предварительно обученных моделей внедрения.
FeaturizeText(TransformsCatalog+TextTransforms, String, String)	Создайте TextFeaturizingEstimator, преобразующий текстовый столбец в вектор с признаками Single , представляющий нормализованное количество n-граммов и символов.
FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])	Создайте TextFeaturizingEstimatorобъект , который преобразует текстовый столбец в вектор с признаками Single , представляющий нормализованное количество n-граммов и char-граммов.
LatentDirichletAllocation(TransformsCatalog+TextTransforms, String, String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32, Int32, Int32, Boolean)	Создайте LatentDirichletAllocationEstimatorобъект , который использует LightLDA для преобразования текста (представленного в виде вектора с плавающей точкой) в вектор Single , указывающий на сходство текста с каждой идентифицируемой темой.
NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)	TextNormalizingEstimatorСоздает объект , который нормализует входящий текст в inputColumnName , при необходимости изменяя регистр, удаляя диакритические знаки, знаки препинания, числа и выводя новый текст в виде outputColumnName.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Создайте NgramHashingEstimatorобъект , который копирует данные из столбца, указанного в , в inputColumnName новый столбец: outputColumnName и создает вектор количества хэшированных n-граммов.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Создайте NgramHashingEstimatorобъект , который принимает данные из нескольких столбцов, указанных в , в inputColumnNames новый столбец: outputColumnName и создает вектор количества хэшированных n-граммов.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Создайте WordHashBagEstimatorобъект , который сопоставляет столбец, указанный в , inputColumnName с вектором количества хэшированных n-граммов в новом столбце с именем outputColumnName.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Создайте WordHashBagEstimatorобъект , который сопоставляет несколько столбцов, указанных в , inputColumnNames с вектором количества хэшированных n-граммов в новом столбце с именем outputColumnName.
ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Создает объект , NgramExtractingEstimator который создает вектор количества n-граммов (последовательностей последовательных слов), встречающихся во входном тексте.
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)	Создайте WordBagEstimatorобъект , который сопоставляет столбец, указанный в , inputColumnName с вектором n-граммов в новом столбце с именем outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Создайте WordBagEstimatorобъект , который сопоставляет столбец, указанный в , inputColumnName с вектором n-граммов в новом столбце с именем outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Создайте WordBagEstimatorобъект , который сопоставляет несколько столбцов, указанных в , inputColumnNames с вектором n-граммов в новом столбце с именем outputColumnName.
RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)	Создайте CustomStopWordsRemovingEstimatorобъект , который копирует данные из столбца, указанного в , в inputColumnName новый столбец: outputColumnName и удаляет из него предопределенный набор текста language .
RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])	Создайте CustomStopWordsRemovingEstimatorобъект , который копирует данные из столбца, указанного в , в inputColumnName новый столбец: outputColumnName и удаляет из него текст, указанный в stopwords .
TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)	Создайте TokenizingByCharactersEstimatorобъект , который выполняет токенизацию путем разделения текста на последовательности символов с помощью скользящего окна.
TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])	Создайте WordTokenizingEstimatorобъект , который токенизирует входной текст, используя в separators качестве разделителей.