Text Classifer ML.Net

Stimmungsanalyse ML.NET

Bei der Textklassifizierung handelt es sich um eine intelligente Klassifizierung von Text in Kategorien. Und der Einsatz von maschinellem Lernen zur Automatisierung dieser Aufgaben macht den gesamten Prozess superschnell und effizient. Künstliche Intelligenz und maschinelles Lernen sind wohl die nützlichsten Technologien, die in letzter Zeit an Dynamik gewonnen haben.

Erste Schritte

Es handelt sich lediglich um ein Modell, das mit einem Satz von 3000 Nachrichtenzeilen trainiert wurde. Damit es mit Webanwendungen klappt, gibt es Integrationsphasen. Im Moment speichern wir den Datensatz in TSV-Dateien. Denn das funktioniert gut mit dem Algorithmus, den wir zum Trainieren unseres Modells ausgewählt haben.

Voraussetzungen

Visual Studio Nuget-Paket:Microsoft ML.NET

TODO

Da abgeleitete Tupelelementnamen eine neue Funktion in C# 7.1 sind und die Standardsprachversion des Projekts C# 7.0 ist, müssen Sie die Sprachversion auf C# 7.1 oder höher ändern. Klicken Sie dazu im Projektmappen-Explorer mit der rechten Maustaste auf den Projektknoten und wählen Sie Eigenschaften aus. Wählen Sie die Registerkarte „Erstellen“ und dann die Schaltfläche „Erweitert“. Wählen Sie im Dropdown-Menü C# 7.1 (oder eine höhere Version) aus. Wählen Sie die Schaltfläche OK.

 Project ->Properties ->Build->Advanced->Language Version->C# 7.1

Ausführen der Tests

Im Moment handelt es sich um eine Konsolenanwendung, sodass Sie sie einfach im Konsolenfenster ausführen können, um Informationen zum Trainieren, Bewerten und Vorhersagen des Modells zu erhalten.

Trainieren, testen, bereitstellen

Sie können nur einmal mit Ihrem richtigen Datensatz trainieren und dieser wird im .Zip-Format im Datenordner Ihrer Anwendung gespeichert. Der Test kann über die genaue Genauigkeit des Ergebnisses der Modellvorhersage Auskunft geben. Die Bereitstellung ist die eigentliche Vorhersagephase gegebener Testdaten

Einsatz

Dieses Modell kann als Web-API in Ihrer Anwendung verwendet werden, um die Kategorie der Nachricht vorherzusagen

Gebaut mit

• DatasetKaggle – Kaggle-Datensatz zur Verwendung mit diesem Modell V1
• Asp-Webanwendung mithilfe von ML – fortlaufende POC-Integration mit der asp.net-Kernwebanwendung

Versionierung

Minor-Modell wurde mit 30.000 Nachrichten trainiert, um die Kategorie zu erkennen. Major-Modell wurde mit einem großen Datensatz trainiert, um die Kategorie und Unterkategorie zu erkennen

Autoren

• Sojasingarayar Abonia – Projektinitialisierung

Mitwirkende – Projektidee Fred