本文介绍一种基于主题、情绪或意图创建自定义文本分类模型的简单方法。文本分类是在机器学习的帮助下完成的，但创建基于 ML 的文本分类模型并不是每个人都喜欢的。MonkeyLearn 是一种基于 Web 的文本分类服务，它提供了一种简单的方法来创建基于 ML 的文本分类模型，而无需任何技术知识。此服务允许您创建可以使用数据文件进行训练的自定义文本分类和文本提取模型。在文本分类的情况下，您可以创建主题、情绪和意图分类模型。训练模型后，您可以使用它对文本进行批量分类。您也可以使用 API 进行相同的作或直接将模型集成到？Zapier、Google 表格、Rapidminer 和 Zendesk。在免费套餐中，您可以创建 1 个自定义模型，可用于文本分类或文本提取。无论哪种情况，您每月都只能进行 300 次查询。该 API 还限制为每分钟 30 个请求，允许您每分钟执行多达 6,000 个查询。免费模型大小允许每个自定义分类器最多 1,000 个训练文本，自定义提取器最多允许 150 个训练文本。另请阅读：？具有可读性分数、自动摘要、情感分析、关键字分析的文本分析器根据主题、情绪、意图创建自定义文本分类模型要创建自定义文本分类模型，请在 MonkeyLearn 上创建一个免费帐户并验证您的电子邮件地址。在这里，我将只关注文本分类部分。文本提取部分与此非常相似。导入文本数据创建文本分类模型的第一步是导入文本数据以训练模型。该服务提供了多种导入数据的方法以及两个用于测试的示例数据库。您可以从 Excel 或 CSV 文件导入文本数据，也可以连接以下应用程序直接导入数据：唽GmailZendesk前面促进新鲜办公桌RSS数据库选择要分类的文本当您导入数据时，它会分析数据并检查其结构是否正确。别担心，您不必遵循任何严格的格式规则，只需确保句子之间用逗号、分号或换行符分隔即可。成功导入数据后，您可以选择要用于模型训练的列。由于免费套餐有限制，因此此选项是一个很好的包容性，对于长文件来说非常方便。分类类型导入数据后，下一步是选择要进行的分类类型。该服务提供以下三种类型的分类：主题分类：根据主题、方面或相关性对文本进行分类。情感分析：检测文本中的情绪，例如积极、消极或中性。意图分类：根据意图对文本进行分类，例如投诉、请求、反馈。训练模型选择分类类型时，它会转到模型训练部分。在这里，它一次显示一个随机句子，并要求您根据所选的分类类型对其进行标记。训练模型时要谨慎并尽可能准确，因为它将反映您在输出中教给它的内容。训练模型的次数越多，它就会变得越准确。初始训练后，您可以检查您的数据以及显示标签、分类和关键字数量的统计信息。您还可以开始另一个训练课程以进一步改进模型。使用模型进行文本分类初始训练后，您可以开始测试模型。您可以针对自己的自定义文本测试模型，并检查它是否足够准确。如果不够准确，可以从“生成”选项卡再次训练它。否则，您可以继续将其用于文本分类。MonkeyLearn 提供了 3 种方法来使用该模型进行文本分类和文本检测。这些方法是批处理：您可以在网站上访问此方法，您可以在其中上传文本文件进行分类。API：MoneyLearn API 可与 Curl、Python、Ruby、PHP、Node.js 和 Java 配合使用，并以 JSON 格式提供输出。您可以在此处阅读有关 API 的更多信息。集成：也可以直接将文本分类模型集成到？Zapier、Google 表格、Rapidminer 和 Zendesk。结束语MonkeyLearn 提供了一种简单的方法来创建自定义文本分类模型，并具有任何先验技术知识。普通互联网用户可以在半小时左右的时间里轻松使用该服务构建自己的模型。直接集成到 Web 应用程序中非常方便，也是将模型嵌入到工作流程中的最简单方法之一。免费套餐确实有限制，但这对于个人使用的小型型号来说很好。
