您可以使用 MediaPipe Text Classifier 工作，將文字分類為一組已定義的類別，例如正面或負面情緒。這些類別會在模型訓練期間定義。此工作會使用機器學習 (ML) 模型做為靜態資料，對文字資料進行運算，並輸出類別清單及其可能性分數。
開始使用
請按照下列任一實作指南的說明，開始使用這個工作：
這些平台專屬指南會逐步引導您完成這項工作的基本實作方式，包括建議的模型，以及含有建議設定選項的程式碼範例。
任務詳細資料
本節說明此工作的功能、輸入內容、輸出內容和設定選項。
功能
- 輸入文字處理：針對不支援圖形內符記化的模型，支援圖形外符記化
- 多個分類主體：每個主體可使用自己的類別組合
- 標籤對應語言代碼：設定顯示名稱所使用的語言
- 分數門檻：依據預測分數篩選結果
- 前幾名分類結果：篩選偵測結果的數量
- 標籤許可清單和拒絕清單：指定偵測到的類別
| 工作輸入內容 | 任務輸出 |
|---|---|
Text Classifier 接受下列輸入資料類型：
|
文字分類器會輸出包含以下項目的類別清單：
|
設定選項
此工作提供下列設定選項：
| 選項名稱 | 說明 | 值範圍 | 預設值 |
|---|---|---|---|
displayNamesLocale |
設定標籤語言，用於工作模型中繼資料中提供的顯示名稱 (如有)。預設值為英文的 en。您可以使用 TensorFlow Lite Metadata Writer API，在自訂模型的中繼資料中新增本地化標籤。 | 語言代碼 | en |
maxResults |
設定要傳回的最高分數分類結果選用數量上限。如果小於 0，則會傳回所有可用的結果。 | 任何正數 | -1 |
scoreThreshold |
設定預測分數門檻，覆寫模型中繼資料中提供的門檻 (如果有)。低於這個值的結果會遭到拒絕。 | 任何浮點 | 未設定 |
categoryAllowlist |
設定允許的選項類別名稱清單。如果不為空白，系統會篩除類別名稱不在這個集合中的分類結果。系統會忽略重複或不明的類別名稱。這個選項與 categoryDenylist 互斥，如果同時使用這兩個選項，系統會傳回錯誤。 |
任何字串 | 未設定 |
categoryDenylist |
設定選用的不允許類別名稱清單。如果不為空白，則系統會篩除類別名稱位於此組合的分類結果。系統會忽略重複或不明的類別名稱。這個選項與 categoryAllowlist 互斥，如果同時使用這兩個選項，會導致錯誤。 |
任何字串 | 未設定 |
模型
文字分類器可與多個機器學習模型搭配使用。開始使用此工作進行開發時，請先使用目標平台的預設建議模型。其他可用的模型通常會在效能、準確度、解析度和資源需求之間取得平衡，在某些情況下還會包含額外功能。
預先訓練的模型是為了情緒分析而訓練，可預測輸入文字的情緒是正面還是負面。這些模型是使用 SST-2 (史丹佛情緒樹庫) 資料集訓練而成，其中包含標示為正面或負面的電影評論。請注意，模型僅支援英文。由於這些模型是使用電影評論資料集訓練而成，因此可能無法處理其他主題的文字。
BERT 分類器模型 (建議)
這個模型採用 BERT 架構 (具體來說是 MobileBERT 模型)，由於準確度高，因此是我們的推薦模型。其中包含可讓工作執行圖表外 BERT 標記的中繼資料。
| 模型名稱 | 輸入形狀 | 量化類型 | 版本 |
|---|---|---|---|
| BERT 分類器 | [1x128],[1x128],[1x128] | 動態範圍 | 最新 |
平均字詞嵌入模型
這個模型採用平均字詞嵌入架構。相較於 BERT 分類器，這個模型的模型大小較小，延遲時間也較短，但預測準確度較低。透過額外訓練自訂此模型，比起訓練以 BERT 為基礎的分類器，速度也更快。這個模型包含中繼資料，可讓工作執行圖表外正規表示式標記化。
| 模型名稱 | 輸入形狀 | 量化類型 | 版本 |
|---|---|---|---|
| 平均字詞嵌入 | 1 x 256 | None (float32) | 最新 |
工作基準
以下是根據上述預先訓練模型，針對整個管道的工作基準。延遲結果是 Pixel 6 使用 CPU / GPU 的平均延遲時間。
| 模型名稱 | CPU 延遲時間 | GPU 延遲時間 |
|---|---|---|
| 平均字詞嵌入 | 0.14 毫秒 | - |
| BERT 分類器 | 57.68 毫秒 | - |
自訂模型
如果您想改善或變更提供的模型功能，可以使用自訂的機器學習模型來執行此工作。您可以使用 Model Maker 修改現有模型，或使用 TensorFlow 等工具建構模型。搭配 MediaPipe 使用的自訂模型必須採用 TensorFlow Lite 格式，且必須包含描述模型運作參數的特定metadata。建議您先使用 Model Maker 修改此任務的提供模型，再自行建立模型。