Textklassifikation

Arbeiten mit Hugging Face

Jacob H. Marquez

Lead Data Engineer

Textklassifikation: Stimmungsanalyse

Texte werden nach Tonfall kategorisiert

Sentiment analysis

Anwendungen: Analyse von Bewertungen, Verfolgen der Stimmung auf Social Media

Sentiment icon

Stimmungsanalyse: Beispielcode

from transformers import pipeline


my_pipeline = pipeline(
    "text-classification",
    model="distilbert-base-uncased-finetuned-sst-2-english"
)

print(my_pipeline("Wi-Fi is slower than a snail today!"))

[{'label': 'NEGATIVE', 'score': 0.99}]

Textklassifikation: grammatikalische Korrektheit

Grammar check

Überprüft Grammatik im Text

Example of grammatical correctness

Anwendungen: Grammatikprüfprogramme, Sprachlerntools

Grammatikalische Korrektheit: Beispielcode

from transformers import pipeline


# Create a pipeline for grammar checking
grammar_checker = pipeline(
    task="text-classification",
    model="abdulmatinomotoso/English_Grammar_Checker"
)

# Check grammar of the input text
print(grammar_checker("He eat pizza every day."))

[{'label': 'LABEL_0', 'score': 0.99}]

Textklassifikation: QNLI

$$ Q&A

Überprüft, ob eine Prämisse eine Frage beantwortet
Anwendungen: Frage-Antwort-Systeme, Faktenprüfung

Example of QNLI

QNLI: Beispielcode

from transformers import pipeline


classifier = pipeline(
    task="text-classification",
    model="cross-encoder/qnli-electra-base"
)


classifier("Where is Seattle located?, Seattle is located in Washington state.")

[{'label': 'LABEL_0', 'score': 0.997}]

Textklassifikation: dynamische Kategorisierung

Weist Kategorien je nach Inhalt dynamisch zu

Category assignment example

Anwendungen: Inhaltsmoderation, Empfehlungssysteme

Category Assignment

Dynamische Kategorisierung: Beispielcode

classifier = pipeline(
  task="zero-shot-classification", 
  model="facebook/bart-large-mnli")


text = "Hey, DataCamp; we would like to feature your courses in our newsletter!"
categories = ["marketing", "sales", "support"]


output = classifier(text, categories)


print(f"Top Label: {output['labels'][0]} with score: {output['scores'][0]}")

Top Label: support with score: 0.8183

Herausforderungen bei der Textklassifikation

Mehrdeutigkeit

Herausforderungen bei der Textklassifikation

Sarkasmus

Herausforderungen bei der Textklassifikation

Mehrsprachigkeit

Lass uns üben!

Arbeiten mit Hugging Face