共用方式為


TransformsCatalog.TextTransforms 類別

定義

用來 MLContext 建立文字數據轉換元件的實例的類別。

public sealed class TransformsCatalog.TextTransforms
type TransformsCatalog.TextTransforms = class
Public NotInheritable Class TransformsCatalog.TextTransforms
繼承
TransformsCatalog.TextTransforms

擴充方法

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)

建立 , WordEmbeddingEstimator這是文字特徵化工具,它會使用預先定型的內嵌模型,將文字向量轉換成數值向量。

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)

建立 , WordEmbeddingEstimator這是文字特徵化工具,它會使用預先定型的內嵌模型,將文字向量轉換成數值向量。

FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])

建立 , TextFeaturizingEstimator將文字數據行轉換成 特徵化向量 Single ,代表 n-gram 和 char-gram 的正規化計數。

FeaturizeText(TransformsCatalog+TextTransforms, String, String)

建立 , TextFeaturizingEstimator將文字數據行轉換成特徵化向量 Single ,代表 n-gram 和 char-gram 的正規化計數。

LatentDirichletAllocation(TransformsCatalog+TextTransforms, String, String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32, Int32, Int32, Boolean)

建立 LatentDirichletAllocationEstimator,它會使用 LightLDA 將以浮) 點數向量表示的文字 (轉換成向量 Single ,指出每個已識別主題的文字相似度。

NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)

建立 ,TextNormalizingEstimator它會選擇性地變更大小寫、移除讀音符號、標點符號、數位,並將新文字輸出為 outputColumnName,以將傳入文字inputColumnName正規化。

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

建立 NgramHashingEstimator,它會將數據從 中指定的 inputColumnName 數據行複製到新的數據行: outputColumnName 併產生哈希 n-gram 計數的向量。

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

建立 NgramHashingEstimator,它會將數據從 中指定的 inputColumnNames 多個數據行擷取到新的數據行: outputColumnName 併產生哈希 n-gram 計數的向量。

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

建立 WordHashBagEstimator,它會將 中指定的 inputColumnName 數據行對應至名為 outputColumnName的新數據行中哈希 n-gram 計數的向量。

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

建立 WordHashBagEstimator,它會將 中指定的 inputColumnNames 多個數據行對應至名為 outputColumnName的新數據行中哈希 n-gram 計數的向量。

ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)

建立 , NgramExtractingEstimator 其會產生輸入文字中所遇到的連續單字 (數序列的 n-gram 數) 向量。

ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)

建立 WordBagEstimator,它會將 中指定的 inputColumnName 數據行對應至名為 outputColumnName的新數據行中 n-gram 計數的向量。

ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)

建立 WordBagEstimator,它會將 中指定的 inputColumnName 數據行對應至名為 outputColumnName的新數據行中 n-gram 計數的向量。

ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)

建立 WordBagEstimator,它會將 中指定的 inputColumnNames 多個數據行對應至名為 outputColumnName的新數據行中 n-gram 計數的向量。

RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)

建立 CustomStopWordsRemovingEstimator,它會將資料從 中指定的 inputColumnName 數據行複製到新的數據行: outputColumnName 並從中移除預先 language 定義的文字集。

RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])

建立 CustomStopWordsRemovingEstimator,它會將數據從 中指定的 inputColumnName 數據行複製到新的數據行: outputColumnName 並從中移除指定的 stopwords 文字。

TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)

建立 , TokenizingByCharactersEstimator其會使用滑動視窗將文字分割成字元序列來標記。

TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])

建立 WordTokenizingEstimator,其會使用 separators 做為分隔符來標記輸入文字。

適用於