Přehled analýzy textu

Při vytvoření experimentu, který používá funkci textové analýzy, použije proces AutoAI algoritmus word2vec k převedení textu do vektorů a pak porovná vektory pro zjištění dopadu na sloupec predikce.

Algoritmus word2vec přijímá jako vstup korpus (text) textu a vytváří výstup vektorů. Přeměním textu na číselné znázornění může tento text detekovat a porovnávat podobná slova. Při školení s dostatečnými daty může produkt word2vec vytvářet přesné předpovědi o významu slova nebo o vztahu k jiným slovům. Předpovědi lze použít k analýze textu a odhadu ve významu v aplikacích analýzy vyznění.

Během fáze inženýrské fáze experimentu experimentu se vygeneruje 20 funkcí pro textový sloupec s použitím algoritmu word2vec . Automatická detekce textových funkcí je založena na analýze počtu jedinečných hodnot ve sloupci a počtu tokenů v záznamu (minimální počet = 3). Je-li počet jedinečných hodnot menší než počet všech hodnot děleno 5, sloupec se nebude považovat za text.

Po dokončení experimentu můžete přezkoumat výsledky technického návrhu funkce z stránky s podrobnostmi o propojení procesů. Potrubí můžete také uložit jako zápisník, kde můžete přezkoumat transformace a zobrazit vizualizaci transformací.

Příklad: Analýza komentářů zákazníků

V tomto příkladu se komentáře pro společnost půjčovny fiktivních vozů používají k vyškolení modelu, který předpovídá hodnocení spokojenosti, když je zadán nový komentář.

Podívejte se na toto krátké video, abyste viděli tento příklad a pak si přečtěte další podrobnosti o textové funkci pod videem.

Toto video poskytuje vizuální metodu pro seznámení se s koncepty a úlohami v této dokumentaci.

• transcript
  Synchronizovat transkripci s videem

  Transkripce videa

  Čas	transcript
  00.00	V tomto videu uvidíte, jak vytvořit experiment AutoAI k provedení analýzy vyznění v textovém souboru.
  00:09	K provedení textové analýzy ve vašich experimentech můžete použít návrh textové funkce.
  00:15	Například provedením základní analýzy vyznění můžete předpovědět výsledek na základě textových komentářů.
  00:22	Začněte v projektu a přidejte aktivum do tohoto projektu, nový experiment AutoAI .
  00:29	Stačí zadat název, popis, vyberte strojovou výuku a pak vytvořit experiment.
  00:38	Když se zobrazí tvůrce experimentů AutoAI , můžete datovou sadu přidat.
  00:43	V tomto případě je datová sada již uložena v projektu jako datové aktivum.
  00:48	Vyberte aktivum, které chcete přidat do experimentu.
  00:53	Než budete pokračovat, zobrazte náhled dat.
  00:56	Tato datová sada má dva sloupce.
  00:59	První obsahuje komentáře zákazníků a druhá obsahuje buď 0, pro "Nespokojen", nebo 1, pro "Splněno".
  01:08	Toto není prognóza časové řady, takže pro tuto volbu vyberte "Ne".
  01:13	Poté vyberte sloupec, který má být předpověděl, což je "Spokojenost" v tomto příkladu.
  01:19	Hodnota AutoAI určuje, že sloupec spokojenosti obsahuje dvě možné hodnoty a že je vhodný pro binární model klasifikace.
  01:28	A pozitivní třída je 1, pro "Spokojený".
  01:32	Chcete-li upravit experiment, otevřete nastavení experimentu.
  01:36	Na panelu zdroje dat uvidíte některé volby pro inženýrství funkcí textu.
  01:41	Můžete automaticky vybrat sloupce textu, nebo můžete více řídit ručním určením sloupců pro návrh funkce textu.
  01:52	Můžete také vybrat počet přenašečů, které se mají vytvořit pro každý sloupec v rámci inženýringu funkcí textu.
  01:58	Nižší číslo je rychlejší a vyšší číslo je přesnější, ale pomalejší.
  02:03	Nyní spusťte experiment, abyste zobrazili transformace a průběh.
  02:09	Když vytvoříte experiment, který používá funkci textové analýzy, použije proces AutoAI algoritmus word2vec k transformaci textu do vektorů a pak porovná vektory pro zjištění dopadu na sloupec predikce.
  02:23	Během fáze inženýrské fáze experimentu experimentu se vygeneruje dvacet funkcí pro textový sloupec s použitím algoritmu word2vec .
  02:33	Po dokončení experimentu můžete přezkoumat výsledky technického návrhu funkce z stránky s podrobnostmi o propojení procesů.
  02:40	Na panelu Souhrn funkcí můžete přezkoumat textové transformace.
  02:45	Vidíte, že AutoAI vytvořila několik textových funkcí použitím funkce algoritmu k prvkům sloupce, spolu s funkcí, která je důležitá a ukazuje, které funkce nejvíce přispívají k vašemu výstupu z předpovědi.
  02:59	Toto propojení procesů můžete uložit jako model nebo jako notebook.
  03:03	Zápisník obsahuje kód pro zobrazení transformací a vizualizací těchto transformací.
  03:09	V takovém případě vytvořte model.
  03:13	Použijte odkaz k zobrazení modelu.
  03:16	Nyní povyšte model na prostor implementace.
  03:23	Zde jsou podrobnosti modelu, a odtud můžete model implementovat.
  03:28	V takovém případě se bude jednat o implementaci online.
  03:36	Po dokončení této implementace otevřete implementaci.
  03:39	V testovací aplikaci můžete zadat jeden nebo více komentářů k analýze.
  03:46	Poté klepněte na tlačítko "Predict".
  03:49	Předpokládá se, že první zákazník nebude s touto službou spokojen.
  03:54	A druhý zákazník se s touto službou spokojení.
  03:59	Další videa naleznete v dokumentaci k produktu Cloud Pak for Data as a Service .

Vzhledem k datové sadě, která obsahuje sloupec komentářů k přezkoumání pro zkušenost s pronájmem (Customer_service), a sloupec obsahující údaj o binární spokojenosti (Satisfaction), kde 0 představuje negativní komentář a 1 představuje pozitivní komentář, je experiment vycvičen k předpovědi hodnocení spokojenosti, je-li zadána nová zpětná vazba.

Další kroky

Sestavení experimentu s prognózou časové řady

Nadřízené téma: Sestavení modelu AutoAI