借助 MediaPipe 文本分类器任务，您可以将文本分类为一组已定义的类别，例如正面或负面情感。类别是在模型训练期间定义的。此任务将机器学习 (ML) 模型用作静态数据，对文本数据进行操作，并输出类别及其概率得分列表。
开始使用
如需开始使用此任务，请按照适用于您所用平台的以下任一实现指南操作：
这些平台专用指南将引导您完成此任务的基本实现，包括推荐的模型，以及包含推荐配置选项的代码示例。
任务详情
本部分介绍了此任务的功能、输入、输出和配置选项。
功能
- 输入文本处理 - 为不支持图内词元化的模型支持图外词元化
- 多个分类头 - 每个头都可以使用自己的类别集
- 标签映射语言区域 - 设置显示名称所用的语言
- 得分阈值 - 根据预测得分过滤结果
- 前 k 个分类结果 - 过滤检测结果的数量
- 标签许可名单和拒绝名单 - 指定检测到的类别
| 任务输入 | 任务输出 |
|---|---|
文本分类器接受以下输入数据类型：
|
文本分类器会输出包含以下内容的类别列表：
|
配置选项
此任务具有以下配置选项：
| 选项名称 | 说明 | 值范围 | 默认值 |
|---|---|---|---|
displayNamesLocale |
设置要为任务模型的元数据（如果有）中提供的显示名称使用的标签语言。默认值为 en（英语）。您可以使用 TensorFlow Lite Metadata Writer API 向自定义模型的元数据添加本地化标签
| 语言区域代码 | en |
maxResults |
设置可选的要返回的得分最高的分类结果的数量上限。如果小于 0，则会返回所有可用的结果。 | 任何正数 | -1 |
scoreThreshold |
设置预测得分阈值，该阈值会替换模型元数据中提供的阈值（如果有）。低于此值的结果将被拒绝。 | 任何浮点数 | 未设置 |
categoryAllowlist |
设置允许的类别名称的可选列表。如果不为空，则系统会滤除类别名称不在该集合中的分类结果。系统会忽略重复或未知的类别名称。此选项与 categoryDenylist 互斥，同时使用这两个选项会导致错误。 |
任何字符串 | 未设置 |
categoryDenylist |
设置不允许的类别名称的可选列表。如果不为空，系统会滤除类别名称在此集合中的分类结果。系统会忽略重复或未知的类别名称。此选项与 categoryAllowlist 互斥，同时使用这两个选项会导致错误。 |
任何字符串 | 未设置 |
模型
文本分类器可与多个机器学习模型搭配使用。开始使用此任务进行开发时，请先使用针对目标平台的默认推荐模型。其他可用模型通常需要在性能、准确性、分辨率和资源要求之间进行权衡，在某些情况下，还包含额外的功能。
预训练模型经过训练可进行情感分析，并预测输入文本的情感是积极还是消极。这些模型是使用 SST-2（斯坦福情感树银行）数据集训练的，该数据集包含标记为正面或负面的电影评论。请注意，这些模型仅支持英语。由于这些模型是使用电影评论数据集训练的，因此对于涵盖其他主题领域的文本，生成的质量可能会较低。
BERT 分类器模型（推荐）
此模型使用基于 BERT 的架构（具体而言，是 MobileBERT 模型），因其高准确性而备受推荐。它包含允许任务执行图外 BERT 标记化操作的元数据。
| 模型名称 | 输入形状 | 量化类型 | 版本 |
|---|---|---|---|
| BERT 分类器 | [1x128],[1x128],[1x128] | 动态范围 | 最新 |
平均词嵌入模型
此模型使用平均词嵌入架构。与 BERT 分类器相比，此模型的模型大小更小，延迟时间更短，但预测准确性较低。通过额外训练对此模型进行自定义的速度也比对基于 BERT 的分类器进行训练的速度更快。此模型包含元数据，可让任务执行图外正则表达式令牌化。
| 模型名称 | 输入形状 | 量化类型 | 版本 |
|---|---|---|---|
| 平均词嵌入 | 1 x 256 | 无（float32） | 最新 |
任务基准
以下是基于上述预训练模型的整个流水线的任务基准。延迟时间结果是使用 CPU / GPU 在 Pixel 6 上的平均延迟时间。
| 模型名称 | CPU 延迟时间 | GPU 延迟时间 |
|---|---|---|
| 平均字词嵌入 | 0.14 毫秒 | - |
| BERT 分类器 | 57.68 毫秒 | - |
自定义模型
如果您想改进或更改提供的模型的功能，可以在此任务中使用自定义机器学习模型。您可以使用 Model Maker 修改现有模型，也可以使用 TensorFlow 等工具构建模型。与 MediaPipe 搭配使用的自定义模型必须采用 TensorFlow Lite 格式，并且必须包含描述模型运行参数的特定metadata。您应先考虑使用 Model Maker 修改此任务提供的模型，然后再构建自己的模型。