通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

接受的数据格式

  • 项目

如果尝试将数据导入自定义文本分类，则必须遵循特定格式。 如果没有要导入的数据，则可以创建项目，并使用 Language Studio 标记文档。

标签文件格式

标签文件应采用以下 json 格式。 这样，就可以将标签导入项目中。

{
    "projectFileVersion": "2022-05-01",
    "stringIndexType": "Utf16CodeUnit",
    "metadata": {
        "projectKind": "CustomMultiLabelClassification",
        "storageInputContainerName": "{CONTAINER-NAME}",
        "projectName": "{PROJECT-NAME}",
        "multilingual": false,
        "description": "Project-description",
        "language": "en-us"
    },
    "assets": {
        "projectKind": "CustomMultiLabelClassification",
        "classes": [
            {
                "category": "Class1"
            },
            {
                "category": "Class2"
            }
        ],
        "documents": [
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "classes": [
                    {
                        "category": "Class1"
                    },
                    {
                        "category": "Class2"
                    }
                ]
            }
        ]
    }
}
密钥 占位符 值 示例
多语言 true 通过布尔值，你可以在数据集中有多种语言的文档，并且在部署模型时可以使用任何支持的语言（不一定包含在训练文档中）查询模型。 请参阅语言支持，了解有关多语言支持的详细信息。 true
projectName {PROJECT-NAME} 项目名称 myproject
storageInputContainerName {CONTAINER-NAME} 容器名称 mycontainer
类 [] 包含项目中所有类的数组。 这些是要将文档分类的类。 []
文档 [] 包含项目中所有文档以及为此文档标记类的数组。 []
location {DOCUMENT-NAME} 存储容器中文档的位置。 由于所有文档都位于容器的根目录中，因此此值应为文档名称。 doc1.txt
dataset {DATASET} 该文件在训练前被拆分时将进入的测试集。 有关详细信息，请参阅如何训练模型。 此字段的可能值为 Train 和 Test。 Train

后续步骤

  • 可以直接将标记的数据导入到项目中。 请参阅如何创建项目了解有关导入项目的详细信息。
  • 请参阅操作说明文章了解有关如何标记数据的详细信息。 完成数据标记后，可以训练模型。