Textklassificering

Arbeta med Hugging Face

Jacob H. Marquez

Lead Data Engineer

Textklassificering: Sentimentanalys

Etiketterar text utifrån dess känslomässiga ton

Sentimentanalys

Användningsområden: Analysera recensioner, spåra sentiment i sociala medier

Sentimentikon

Sentimentanalys: kodexempel

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}]

Textklassificering: Grammatisk korrekthet

Grammatikkontroll

Bedömer textens grammatiska korrekthet

Exempel på grammatisk korrekthet

Användningsområden: Grammatikkontroll, språkinlärningsverktyg

Grammatisk korrekthet: kodexempel

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}]

Textklassificering: QNLI

$$ Q&A

Kontrollerar om en premiss besvarar en fråga
Användningsområden: Fråga-och-svar-system, faktakontroll

Exempel på QNLI

QNLI: kodexempel

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}]

Textklassificering: Dynamisk kategoritilldelning

Tilldelar kategorier dynamiskt utifrån innehållet

Exempel på kategoritilldelning

Användningsområden: Innehållsmoderering, rekommendationssystem

Kategoritilldelning

Dynamisk kategoritilldelning: kodexempel

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

Utmaningar med textklassificering

Tvetydighet

Utmaningar med textklassificering

Sarkasm

Utmaningar med textklassificering

Flerspråkighet

Nu kör vi en övning!

Arbeta med Hugging Face