Классифицировать текст / Classify text

Группа "Robin AI", подгруппа "Машинное обучение"

Действие определяет класс, к которому относится текст, на основе обученной модели классификации, т.е. показывает вероятность вхождения текста в рубрику на основе обученного метода классификации.

Целью выполнения действия является получение той рубрики, к которой ближе всего относится текст (то есть должна быть рубрика с наибольшим процентом точности), чтобы потом предпринять что-то, что нужно делать с текстом из этой рубрики. 

Иконка

Параметры

Входные параметры:

• Текст для классификации   Текст, класс которого необходимо определить. Язык может быть любой. Если будет язык отличный от языка обучающей выборки, то процент определения класса будет близким к нулю.
• Обученная модель                Путь к папке, которая содержит обученную модель классификации. В папке должно содержаться два файла: machine_model.pkl и tfidf_model.pk Отсутствие какого-то файла или изменение имени папки на другое может привести к ошибке.

Выходные параметры: 

• Результат  -Словарь, где ключ - название класса, а значение - процент вхождения в данный класс. Сортировка в словаре производится по проценту вхождения в класс.

Настройки

Особые условия использования 

1.В папке должно содержаться два файла.  Файлы предоставляются заказчику по требованию.  Данные файлы представляют из себя запакованную модель машинного обучения. 

2.Если какого-то файла нет/другое название, то это приведет к ошибке при работе действия. 

3.Робот вернет ошибку, если:

• в поле "Обученная модель" указан неверный путь/не содержит обученную модель (один или два файла изменены);
• в поле "Текст для классификации" указана пустая строка или действие не смогло определить класс.

1. Робот не вернет ошибку, если:

• подан текст не на языке обученной модели. будет небольшой % совпадения с классом.

Дополнительная информация о теории классификации текста: 

https://vas3k.blog/blog/machine_learning/

https://www.edureka.co/blog/classification-in-machine-learning/

Пример использования

Задача: классифицировать текст на основе обученной модели. 

Решение: воспользоваться действием "Классифицировать текст". 

Реализация:

1. Перенести действие "Классифицировать текст" на рабочую область. 
   
   
2. Заполнить параметры действия "Классифицировать текст". 
   В поле "Текст для классификации" указать следующий текст: 

        3. Указать путь к папке, которая содержит обученную модель. 

3. Нажать на кнопку "Старт" в верхней панели.  

Результат: 

Программный робот отработал успешно. Получен словарь , где Ключ - рубрика, а Значение - процент вхождения в данную рубрику. Сортировка в словаре по проценту вхождения в рубрику.

В результате получился словарь с названием категории и с точностью принадлежности к данной категории.  

При необходимости получения рубрики к которой текст относится в наибольшей степени необходимо воспользоваться действием "Получить коллекцию ключей", потому что в значениях % указаны, а сами рубрики-категории в ключах. Далее, нужно получить коллекцию ключей и нулевой элемент этой коллекции - это та рубрика, к которой скорее всего относится текст (действие "Получить значение по индексу").