TextCatalog Sınıf

Tanım

Ad Alanı:

Microsoft.ML

Bütünleştirilmiş Kod:

Microsoft.ML.Transforms.dll

Paket:

Microsoft.ML v3.0.1

için uzantı yöntemlerinin TransformsCatalogkoleksiyonu.

public static class TextCatalog

type TextCatalog = class

Public Module TextCatalog

Devralma

Object

TextCatalog

Yöntemler

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)	Önceden eğitilmiş ekleme modellerini kullanarak metin vektörlerini sayısal vektörlere dönüştüren bir metin özellik oluşturucu olan bir WordEmbeddingEstimatoroluşturun.
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)	WordEmbeddingEstimatorÖnceden eğitilmiş ekleme modellerini kullanarak metin vektörlerini sayısal vektöre dönüştüren bir metin özellik oluşturucu olan bir oluşturun.
FeaturizeText(TransformsCatalog+TextTransforms, String, String)	Bir TextFeaturizingEstimatormetin sütununu n-gram ve char-gram normalleştirilmiş sayılarını temsil eden bir özelliklendirilmiş vektöre Single dönüştüren bir oluşturun.
FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])	Bir metin sütununu n-gram ve char-gram normalleştirilmiş sayılarını temsil eden özelliklendirilmiş vektöre Single dönüştüren bir TextFeaturizingEstimatoroluşturun.
LatentDirichletAllocation(TransformsCatalog+TextTransforms, String, String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32, Int32, Int32, Boolean)	LatentDirichletAllocationEstimatorMetni (kayanların vektörü olarak temsil edilir) metnin tanımlanan her konuyla benzerliğini belirten bir vektöre Single dönüştürmek için LightLDA kullanan bir oluşturun.
NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)	İsteğe bağlı olarak büyük/küçük harf değiştirerek, aksan işaretlerini, noktalama işaretlerini, sayıları kaldırarak ve yeni metni olarak outputColumnNameçıkararak gelen inputColumnName metni normalleştiren bir TextNormalizingEstimatoroluşturur.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	NgramHashingEstimatoriçinde belirtilen inputColumnName sütundaki verileri yeni outputColumnName bir sütuna kopyalayan ve karma n gram sayılarından oluşan bir vektör oluşturan bir oluşturun.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	NgramHashingEstimatoriçinde belirtilen inputColumnNames birden çok sütundaki verileri yeni bir sütuna outputColumnName alan ve karma n gram sayılarından oluşan bir vektör oluşturan bir oluşturun.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	WordHashBagEstimatoriçinde belirtilen sütunu, adlı outputColumnNameyeni bir sütunda inputColumnName karma n gram sayılarının bulunduğu bir vektörle eşleyen bir oluşturun.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	WordHashBagEstimatoriçinde belirtilen birden çok sütunu, adlı outputColumnNameyeni bir sütundaki inputColumnNames karma n gram sayılarının vektörleriyle eşleyen bir oluşturun.
ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Giriş metninde karşılaşılan n gramlık sayıların (ardışık sözcük dizileri) bir vektör oluşturan bir NgramExtractingEstimator oluşturur.
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)	WordBagEstimatoriçinde belirtilen sütunu adlı outputColumnNameyeni bir sütundaki inputColumnName n-gram sayılarından oluşan bir vektörle eşleyen bir oluşturun.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	WordBagEstimatoriçinde belirtilen sütunu adlı outputColumnNameyeni bir sütundaki inputColumnName n-gram sayılarından oluşan bir vektörle eşleyen bir oluşturun.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	WordBagEstimatoriçinde belirtilen birden çok sütunu, adlı outputColumnNameyeni bir sütundaki inputColumnNames n-gram sayılarından oluşan bir vektörle eşleyen bir oluşturun.
RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)	CustomStopWordsRemovingEstimatoriçinde belirtilen inputColumnName sütundaki verileri yeni bir sütuna kopyalayan ve bu sütuna outputColumnName özgü language önceden tanımlı metin kümesini kaldıran bir oluşturun.
RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])	CustomStopWordsRemovingEstimatoriçinde belirtilen inputColumnName sütundaki verileri yeni outputColumnName bir sütuna kopyalayan ve içinde belirtilen stopwords metni kaldıran bir oluşturun.
TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)	Kayan pencere TokenizingByCharactersEstimatorkullanarak metni karakter dizilerine bölerek belirteç oluşturan bir oluşturun.
TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])	Ayırıcı olarak kullanarak separators giriş metnini belirteç haline dönüştüren bir WordTokenizingEstimatoroluşturun.