text-classification - 如何在 Sagemaker 中训练多标签文本分类？

Question

我选择了 Sagemaker 提供的 BlazingText 算法。

我的训练集中的文本可以有一个或多个标签，我想预测一篇文章最有可能的标签。

我没有找到如何为此准确设置培训文件。我在培训文件中制作了以下格式的行

__label__1 __label__2 token1 token2 ... __label__2 token token token ...

我做对了吗？

标签： text-classificationamazon-sagemakermultilabel-classification

Answer 1

以下是使用 SageMaker 内置算法（包括 BlazingText）进行多标签文本分类的可能选项：

1. 使用 2 臂嵌入模型，例如SageMaker Object2vec，它可以学习一段文本和任意数量的标签之间的亲和力。实际上这里有一个多标签文本分类的演示
2. 使用一个 BlazingText 实例作为多标签分类器：在训练时，每行提供多个以空格分隔的标签（未尝试使用 BlazingText，但似乎支持 fastText）或所有可能的标签文本对，并在推理时要求使用“k”参数预测的前 N ​​个标签："configuration": {"k": N}。
3. 使用多个 Blazingtext 分类器，每个标签一个。这可能比上面的选项更复杂一些，但不一定更昂贵，因为 BlazingText 是一个非常浅层和快速的神经网络