Textklassifizierung (Multi-Label)

Wenn Sie Artikel und Text in mehrere vordefinierte Kategorien einteilen möchten, verwenden Sie den Aufgabentyp für die Multi-Label-Textklassifizierung. Sie können diesen Aufgabentyp beispielsweise verwenden, um mehr als eine im Text vermittelte Emotion zu identifizieren.

Auftragnehmer, die an einer Aufgabe zur Multi-Label-Textklassifizierung arbeiten, sollten alle anwendbaren Bezeichnungen (Label) auswählen, zumindest muss jedoch eine Bezeichnung ausgewählt werden. Beim Erstellen eines Auftrags unter Verwendung dieses Aufgabentyps können Sie bis zu 50 Bezeichnungskategorien angeben.

Amazon SageMaker Ground Truth stellt keine „keine“ Kategorie für bereit, wenn keine der Bezeichnungen zutrifft. Um den Auftragnehmern diese Option zur Verfügung zu stellen, fügen Sie beim Erstellen eines Multi-Label-Textklassifizierungsauftrags eine Bezeichnung wie „Keine“ oder „Sonstiges“ hinzu.

Verwenden Sie den Aufgabentyp Textklassifizierung (Einfachkennzeichnung), um Auftragnehmer auf die Auswahl einer einzelnen Bezeichnung für jedes Dokument oder jede Textauswahl zu beschränken.

Wichtig

Wenn Sie manuell eine Eingabemanifestdatei erstellen, verwenden Sie "source", um den Text zu identifizieren, den Sie beschriften möchten. Weitere Informationen finden Sie unter Eingabedaten.

Erstellen eines Labeling-Auftrags für die Multi-Label-Textklassifizierung (Konsole)

Sie können den Anweisungen folgenErstellen eines Kennzeichnungsauftrags (Konsole), um zu erfahren, wie Sie einen Kennzeichnungsauftrag für die Textklassifizierung mit mehreren Labels in der Amazon- SageMaker Konsole erstellen. Wählen Sie in Schritt 10 im Dropdownmenü Aufgabenkategorie die Option Text und wählen Sie als Aufgabentyp Textklassifizierung (Mehrfachbeschriftung) aus.

Ground Truth stellt für die Beschriftungsaufgaben eine Worker-Benutzeroberfläche ähnlich der folgenden bereit. Wenn Sie die Kennzeichnungsaufgabe mit der Konsole erstellen, müssen Sie Anweisungen bereitstellen, damit die Worker die Aufgabe ausführen können, und Kennzeichnungen, aus denen die Worker auswählen können.

Erstellen eines Labeling-Auftrags für die Multi-Label-Textklassifizierung (API)

Um einen Kennzeichnungsauftrag für die Textklassifizierung mit mehreren Labels zu erstellen, verwenden Sie die API SageMaker -Operation CreateLabelingJob. Diese API definiert diese Operation für alle AWS SDKs. Eine Liste der sprachspezifischen SDKs, die für diese Operation unterstützt werden, finden Sie im Abschnitt Siehe auch von CreateLabelingJob.

Befolgen Sie diese Anweisungen unter Erstellen eines Kennzeichnungsauftrags (API) und führen Sie die folgenden Schritte aus, während Sie Ihre Anforderung konfigurieren:

• Vorannotierende Lambda-Features für die Vorannotierung für diesen Aufgabentyp enden mit PRE-TextMultiClassMultiLabel. Den Lambda-ARN zur Vorverarbeitung für Ihre Region finden Sie unter PreHumanTaskLambdaArn .

• Annotations-Konsolidierende Lambda-Features für die Annotationskonsolidierung für diesen Aufgabentyp enden mit ACS-TextMultiClassMultiLabel. Den Lambda-ARN zur Anmerkungskonsolidierung für Ihre Region finden Sie unter AnnotationConsolidationLambdaArn.

Im Folgenden finden Sie ein Beispiel für eine AWS -Python-SDK-(Boto3)-Anforderung zum Erstellen eines Beschriftungsauftrags in der Region US East (N. Virginia). Alle Parameter in Rot sollten durch Ihre Spezifikationen und Ressourcen ersetzt werden.

response = client.create_labeling_job(
    LabelingJobName='example-multi-label-text-classification-labeling-job,
    LabelAttributeName='label',
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
        'KmsKeyId': 'string'
    },
    RoleArn='arn:aws:iam::*:role/*,
    LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
    StoppingConditions={
        'MaxHumanLabeledObjectCount': 123,
        'MaxPercentageOfInputDatasetLabeled': 123
    },
    HumanTaskConfig={
        'WorkteamArn': 'arn:aws:sagemaker:region:*:workteam/private-crowd/*',
        'UiConfig': {
            'UiTemplateS3Uri': 's3://bucket/path/custom-worker-task-template.html'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda::function:PRE-TextMultiClassMultiLabel,
        'TaskKeywords': [
            'Text Classification',
        ],
        'TaskTitle': 'Multi-label text classification task',
        'TaskDescription': 'Select all labels that apply to the text shown',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-TextMultiClassMultiLabel'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)

Erstellen einer Vorlage für die Textklassifizierung mit Mehrfachkennzeichnung

Wenn Sie eine Kennzeichnungsaufgabe unter Verwendung der API erstellen, müssen Sie in UiTemplateS3Uri eine Worker-Aufgabenvorlage bereitstellen. Kopieren und ändern Sie die folgende Vorlage. Ändern Sie nur short-instructions, full-instructions und header.

Laden Sie diese Vorlage zu S3 hoch und geben Sie den S3-URI für diese Datei in UiTemplateS3Uri an.

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-classifier-multi-select
    name="crowd-classifier-multi-select"
    categories="{{ task.input.labels | to_json | escape }}"
    header="Please identify all classes in the below text"
  >
    <classification-target style="white-space: pre-wrap">
      {{ task.input.taskObject }}
    </classification-target>
    <full-instructions header="Classifier instructions">
      <ol><li><strong>Read</strong> the text carefully.</li>
      <li><strong>Read</strong> the examples to understand more about the options.</li>
      <li><strong>Choose</strong> the appropriate labels that best suit the text.</li></ol>
    </full-instructions>
    <short-instructions>
      <p>Enter description of the labels that workers have to choose from</p>
      <p><br></p>
      <p><br></p><p>Add examples to help workers understand the label</p>
      <p><br></p><p><br></p><p><br></p><p><br></p><p><br></p>
    </short-instructions>
  </crowd-classifier-multi-select>
  </crowd-form>

Informationen zum Erstellen einer benutzerdefinierten Vorlage finden Sie unter Erstellen benutzerdefinierter Kennzeichnungs-Workflows.

Ausgabedaten der Multi-Label-Textklassifizierung

Nachdem Sie einen Beschriftungsauftrag für die Multi-Beschriftung-Textklassifizierung erstellt haben, befinden sich die Ausgabedaten in dem im S3OutputPath Parameter angegebenen Amazon S3-Bucket, wenn Sie die API verwenden, oder im Feld Speicherort des Ausgabe-Datensatzes im Auftragsübersicht der Konsole.

Um mehr über die von Ground Truth erzeugte Ausgabemanifestdatei und die Dateistruktur zu erfahren, die Ground Truth zum Speichern der Ausgabedaten verwendet, siehe Ausgabedaten.

Ein Beispiel für Ausgabemanifestdateien für einen Labeling-Auftrag für die Multi-Label-Textklassifizierung finden Sie unter Ausgabe von Multi-Label-Klassifizierungsaufträgen.