• Создана пользователем пользователь-a4fa9. Последнее обновление: окт. 16, 2024 ( Kamilla Gabdieva) Время чтения: 4 мин.

Классифицировать текст Версия 1 (Python)

Группа "Robin AI", подгруппа "Классификатор (ROBIN)"

Описание

Действие определяет класс, к которому относится текст, на основе обученной модели классификации.

Результат действия представляет собой словарь, где ключ - название класса, а значение - процент вхождения в данный класс. 
Сортировка в словаре осуществляется по проценту вхождения в класс, на первом месте – класс с наибольшим процентом.

Иконка действия

Параметры и их настройка

Свойство

Описание

Тип

Пример заполнения

Обязательность заполнения поля

Параметры

Текст для классификации

Текст, класс которого необходимо определить

Строка

Запрос в бухгалтерию - Акт сверки за 1 квартал 2023 г.

Добрый день!

Пришлите, пожалуйста, акт сверки за 1 квартал 2023 г.
Наш ИНН 7811179707

Заранее спасибо!

Да

Обученная модель

Путь к папке, которая содержит обученную модель классификации

Путь к папке

C:\Users\123\OneDrive\Рабочий стол\Модель классификации

Да

Результаты

Результат

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

Словарь



Особые условия использования 

  1. Полученный в результате работы действия словарь создается с полным набором ключей – классов, которые имеются в модели классификации.
  2. Если классифицирующийся текст не имеет процента вхождения в какой-либо класс, то ключ соответствующего класса в словаре будет иметь значение, равное 0.   
  3. Робот не выдаст ошибку, если подан текст не на языке обученной модели, при этом % совпадения с классом будет небольшой. 
  4. Существующую обученную модель нельзя "дообучать", при необходимости добавления классов необходимо заново запустить действие по обучению модели.
  5. Для сведения – обученная модель на 20000 записей классифицирует текст за 2-3 минуты.

Дополнительная информация о теории классификации текста:

https://vas3k.blog/blog/machine_learning/#klassifikatsiia

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

Пример использования

Задача

Необходимо классифицировать текст на основе обученной модели и добавить наименования найденных классов и процент вхождения в данные классы в табличный документ.

Решение

Воспользоваться действием "Классифицировать текст".

Реализация

Предусловие

Для работы действия нужна обученная модель классификации, которая создается при помощи действия "Обучить модель классификации".
В папке с моделью должны содержаться два файла: machine_model.pkl и tfidf_model.pk.

  1. Перетащить на рабочую область действие "Классифицировать текст". 

  2. Заполнить параметры действия "Классифицировать текст". 
    1. В поле "Текст для классификации" указать следующий текст: 

    2. Указать путь к папке, которая содержит обученную модель. 
  3. Перетащить на рабочую область действие "Получить ключи".
  4. Заполнить параметры действия "Получить ключи".
    В поле "Словарь" добавить результат действия "Классифицировать текст".
  5. Перетащить на рабочую область действие "Получить значения".
  6. Заполнить параметры действия "Получить значения".
    В поле "Словарь" добавить результат действия "Классифицировать текст".
  7. Перетащить на рабочую область действие "Открыть".
  8. Заполнить параметры действия "Открыть".
    В поле "Путь к файлу" указать путь до имеющегося пустого файла Excel.
  9. Перетащить на рабочую область действия "Установить значения столбца".
  10. Заполнить параметры действий "Установить значения столбца".
    В первое действие в поле "Значение ячеек" добавить результат действия "Получить ключи" – названия классов,
    а во второе – результат действия "Получить ключи" – процент вхождения в данный класс.
  11. Нажать на кнопку "Старт" в верхней панели.

Результат

Программный робот отработал успешно. 
В результате получен словарь с названиями классов и значениями – процентами вхождения в классы.
Полученные значения добавлены в табличный документ.

  • Нет меток