La tâche MediaPipe Text Classifier vous permet de classer du texte dans un ensemble de catégories définies, telles que les sentiments positifs ou négatifs. Les catégories sont déterminées par le modèle que vous utilisez et par la façon dont il a été entraîné. Ces instructions vous expliquent comment utiliser Text Classifier pour les applications Web et JavaScript.
Vous pouvez voir cette tâche en action en regardant la démonstration. Pour en savoir plus sur les fonctionnalités, les modèles et les options de configuration de cette tâche, consultez la présentation.
Exemple de code
L'exemple de code pour Text Classifier fournit une implémentation complète de cette tâche en JavaScript à titre de référence. Ce code vous aide à tester cette tâche et à commencer à créer votre propre application de classification de texte. Vous pouvez afficher, exécuter et modifier l'exemple Text Classifier exemple à l'aide de votre navigateur Web.
Configuration
Cette section décrit les étapes clés pour configurer votre environnement de développement et vos projets de code spécifiquement pour utiliser Text Classifier. Pour obtenir des informations générales sur la configuration de votre environnement de développement pour utiliser les tâches MediaPipe, y compris les exigences concernant la version de la plate-forme, consultez le guide de configuration pour le Web.
Packages JavaScript
Le code Text Classifier est disponible via le
@mediapipe/tasks-text
package. Vous pouvez trouver et télécharger ces bibliothèques à partir des liens fournis dans le
guide de configuration
de la plate-forme.
Vous pouvez installer les packages requis avec le code suivant pour la préparation locale à l'aide de la commande suivante :
npm install @mediapipe/tasks-text
Si vous souhaitez déployer sur un serveur, vous pouvez utiliser un service de réseau de diffusion de contenu (CDN), tel que jsDelivr, pour ajouter du code directement à votre page HTML, comme suit :
<head>
<script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@0.1/text-bundle.js"
crossorigin="anonymous"></script>
</head>
Modèle
La tâche MediaPipe Text Classifier nécessite un modèle entraîné compatible avec cette tâche. Pour en savoir plus sur les modèles entraînés disponibles pour Text Classifier, consultez la section Modèles de la présentation de la tâche.
Sélectionnez et téléchargez un modèle, puis stockez-le dans le répertoire de votre projet :
<dev-project-root>/assets/bert_text_classifier.tflite
Spécifiez le chemin d'accès au modèle avec le paramètre modelAssetPath de l'objet baseOptions, comme indiqué ci-dessous :
baseOptions: {
modelAssetPath: `/assets/bert_text_classifier.tflite`
}
Créer la tâche
Utilisez l'une des fonctions TextClassifier.createFrom...() de Text Classifier pour préparer la tâche à l'exécution des inférences. Vous pouvez utiliser la fonction createFromModelPath() avec un chemin d'accès relatif ou absolu au fichier de modèle entraîné. L'exemple de code ci-dessous montre comment utiliser la fonction TextClassifier.createFromOptions(). Pour en savoir plus sur les options de configuration disponibles, consultez
Options de configuration.
Le code suivant montre comment créer et configurer cette tâche :
async function createClassifier() {
const textFiles = await FilesetResolver.forTextTasks("https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@latest/wasm/");
textClassifier = await TextClassifier.createFromOptions(
textFiles,
{
baseOptions: {
modelAssetPath: `https://storage.googleapis.com/mediapipe-tasks/text_classifier/bert_text_classifier.tflite`
},
maxResults: 5
}
);
}
createClassifier();
Options de configuration
Cette tâche comporte les options de configuration suivantes pour les applications Web et JavaScript :
| Nom de l'option | Description | Plage de valeurs | Valeur par défaut |
|---|---|---|---|
displayNamesLocale |
Définit la langue des libellés à utiliser pour les noms à afficher fournis dans les
métadonnées du modèle de la tâche, le cas échéant. La valeur par défaut est en pour
l'anglais. Vous pouvez ajouter des libellés localisés aux métadonnées d'un modèle personnalisé
à l'aide de l'API TensorFlow Lite Metadata Writer.
| Code de paramètres régionaux | en |
maxResults |
Définit le nombre maximal facultatif de résultats de classification les mieux notés à renvoyer. Si la valeur est inférieure à 0, tous les résultats disponibles sont renvoyés. | Tout nombre positif | -1 |
scoreThreshold |
Définit le seuil de score de prédiction qui remplace celui fourni dans les métadonnées du modèle (le cas échéant). Les résultats inférieurs à cette valeur sont rejetés. | Tout nombre à virgule flottante | Non défini |
categoryAllowlist |
Définit la liste facultative des noms de catégories autorisés. Si elle n'est pas vide, les résultats de classification dont le nom de catégorie ne figure pas dans cet ensemble sont filtrés. Les noms de catégories en double ou inconnus sont ignorés.
Cette option est mutuellement exclusive avec categoryDenylist. L'utilisation des deux entraîne une erreur. |
Toute chaîne | Non défini |
categoryDenylist |
Définit la liste facultative des noms de catégories non autorisés. Si elle n'est pas vide, les résultats de classification dont le nom de catégorie figure dans cet ensemble sont filtrés. Les noms de catégories en double ou inconnus sont ignorés. Cette option est mutuellement exclusive avec categoryAllowlist. L'utilisation des deux entraîne une erreur. |
Toute chaîne | Non défini |
Préparer les données
Text Classifier fonctionne avec des données de texte (String). La tâche gère le prétraitement des entrées de données, y compris la tokenisation et le prétraitement des tenseurs.
Tout le prétraitement est géré dans la fonction classify(). Il n'est pas nécessaire de prétraiter le texte d'entrée au préalable.
const inputText = "The input text to be classified.";
Exécuter la tâche
Text Classifier utilise la fonction classify() pour déclencher des inférences. Pour la classification de texte, cela signifie renvoyer les catégories possibles pour le texte d'entrée.
Le code suivant montre comment exécuter le traitement avec le modèle de tâche.
// Wait to run the function until inner text is set
const result: TextClassifierResult = await textClassifier.classify(
inputText
);
Gérer et afficher les résultats
Text Classifier génère un TextClassifierResult qui contient la liste des catégories possibles pour le texte d'entrée. Les catégories sont définies par le modèle que vous utilisez. Par conséquent, si vous souhaitez des catégories différentes, choisissez un autre modèle ou réentraînez-en un existant.
Voici un exemple des données de sortie de cette tâche :
TextClassificationResult:
Classification #0 (single classification head):
ClassificationEntry #0:
Category #0:
category name: "positive"
score: 0.8904
index: 0
Category #1:
category name: "negative"
score: 0.1096
index: 1
Ce résultat a été obtenu en exécutant le classificateur BERT sur le texte d'entrée :
"an imperfect but overall entertaining mystery".