Clasificarea textului

Lucrul cu Hugging Face

Jacob H. Marquez

Lead Data Engineer

Clasificarea textului: Analiza sentimentelor

Etichetează textul în funcție de tonul emoțional

Analiza sentimentelor

Aplicații: Analiza recenziilor, monitorizarea sentimentelor pe rețelele sociale

Pictogramă sentimente

Analiza sentimentelor: exemplu de cod

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}]

Clasificarea textului: Corectitudine gramaticală

Verificare gramaticală

Evaluează corectitudinea gramaticală a textului

Exemplu de corectitudine gramaticală

Aplicații: Corecție gramaticală, instrumente pentru învățarea limbilor

Corectitudine gramaticală: exemplu de cod

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}]

Clasificarea textului: QNLI

$$ Q&A

Verifică dacă o premisă răspunde la o întrebare
Aplicații: sisteme Q&A, verificarea faptelor

Exemplu de QNLI

QNLI: exemplu de cod

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}]

Clasificarea textului: Atribuirea dinamică a categoriilor

Atribuie categorii dinamic, în funcție de conținut

Exemplu de atribuire a categoriilor

Aplicații: Moderarea conținutului, sisteme de recomandare

Atribuirea categoriilor

Atribuirea dinamică a categoriilor: exemplu de cod

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

Provocările clasificării textului

Ambiguitate

Provocările clasificării textului

Sarcasm

Provocările clasificării textului

Multilingv

Să exersăm!

Lucrul cu Hugging Face