TransformsCatalog.TextTransforms Classe

Definição

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Pacote:

Microsoft.ML v3.0.1

Classe usada por MLContext para criar instâncias de componentes de transformação de dados de texto.

public sealed class TransformsCatalog.TextTransforms

type TransformsCatalog.TextTransforms = class

Public NotInheritable Class TransformsCatalog.TextTransforms

Herança

Object

TransformsCatalog.TextTransforms

Métodos de Extensão

ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)	Crie um WordEmbeddingEstimator, que é um featurizer de texto que converte um vetor de texto em um vetor numérico usando modelos de inserções pré-treinados.
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)	Crie um WordEmbeddingEstimator, que é um featurizer de texto que converte vetores de texto em vetores numéricos usando modelos de inserções pré-treinados.
FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])	Crie um TextFeaturizingEstimator, que transforma uma coluna de texto em um vetor em destaque de Single que representa contagens normalizadas de n-gramas e char-grams.
FeaturizeText(TransformsCatalog+TextTransforms, String, String)	Crie um TextFeaturizingEstimator, que transforma uma coluna de texto em um vetor em destaque de Single que representa contagens normalizadas de n-gramas e char-grams.
LatentDirichletAllocation(TransformsCatalog+TextTransforms, String, String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32, Int32, Int32, Boolean)	Crie um LatentDirichletAllocationEstimator, que usa LightLDA para transformar texto (representado como um vetor de floats) em um vetor de Single indicando a similaridade do texto com cada tópico identificado.
NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)	Cria um TextNormalizingEstimator, que normaliza o texto de entrada em inputColumnName , opcionalmente, alterando maiúsculas e minúsculas, removendo marcas diacríticas, marcas de pontuação, números e gera um novo texto como outputColumnName.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Crie um NgramHashingEstimator, que copia os dados da coluna especificada em inputColumnName para uma nova coluna: outputColumnName e produz um vetor de contagens de n-gramas com hash.
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)	Crie um NgramHashingEstimator, que leva os dados das várias colunas especificadas em inputColumnNames para uma nova coluna: outputColumnName e produz um vetor de contagens de n-gramas com hash.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Crie um WordHashBagEstimator, que mapeia a coluna especificada em inputColumnName para um vetor de contagens de n-grams com hash em uma nova coluna chamada outputColumnName.
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)	Crie um WordHashBagEstimator, que mapeia as várias colunas especificadas em inputColumnNames para um vetor de contagens de n-gramas com hash em uma nova coluna chamada outputColumnName.
ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Cria um NgramExtractingEstimator que produz um vetor de contagens de n-gramas (sequências de palavras consecutivas) encontradas no texto de entrada.
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)	Crie um WordBagEstimator, que mapeia a coluna especificada em inputColumnName para um vetor de contagens de n-gramas em uma nova coluna chamada outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Crie um WordBagEstimator, que mapeia a coluna especificada em inputColumnName para um vetor de contagens de n-gramas em uma nova coluna chamada outputColumnName.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Crie um WordBagEstimator, que mapeia as várias colunas especificadas em inputColumnNames para um vetor de contagens de n-gramas em uma nova coluna chamada outputColumnName.
RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)	Crie um CustomStopWordsRemovingEstimator, que copia os dados da coluna especificada em inputColumnName para uma nova coluna: outputColumnName e remove um conjunto predicado de texto específico para language ele.
RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])	Crie um CustomStopWordsRemovingEstimator, que copia os dados da coluna especificada em inputColumnName para uma nova coluna: outputColumnName e remove o texto especificado nele stopwords .
TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)	Crie um TokenizingByCharactersEstimator, que gera tokens dividindo o texto em sequências de caracteres usando uma janela deslizante.
TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])	Crie um WordTokenizingEstimator, que gera tokens de texto de entrada usando separators como separadores.