Clasificación de texto (etiquetas múltiples)

Para categorizar artículos y texto en varias categorías predefinidas, utilice el tipo de tarea de clasificación de texto con etiquetas múltiples. Por ejemplo, puede utilizar este tipo de tarea para identificar más de una emoción transmitida en el texto.

Al trabajar en una tarea de clasificación de texto con varias etiquetas, los trabajadores deben elegir todas las etiquetas aplicables, pero deben elegir al menos una. Al crear un trabajo con este tipo de tarea, puede proporcionar hasta 50 categorías de etiquetas.

Amazon SageMaker Ground Truth no tiene una categoría “ninguna” que se pueda usar cuando no se aplique ninguna de las etiquetas. Para proporcionar esta opción a los trabajadores, incluya una etiqueta similar a “ninguna” u “otro” cuando cree un trabajo de clasificación de texto con varias etiquetas.

Para restringir a los trabajadores la elección a una sola etiqueta para cada documento o selección de texto, utilice el tipo de tarea Clasificación de texto (etiqueta única).

importante

Si crea manualmente un archivo de manifiesto de entrada, use "source" para identificar el texto que quiere etiquetar. Para obtener más información, consulte Datos de entrada.

Creación de un trabajo de etiquetado de clasificación de texto con etiquetas múltiples (Consola)

Puede seguir las instrucciones de Crear un trabajo de etiquetado (consola) para aprender a crear un trabajo de etiquetado de clasificación de texto con etiquetas múltiples en la consola de Amazon SageMaker. En el paso 10, elija Text (Texto) en el menú desplegable Task category (Categoría de tarea) y elija Text Classification (Multi-label) [Clasificación de texto (varias etiquetas)] como tipo de tarea.

Ground Truth proporciona una interfaz de usuario de trabajador similar a la siguiente para las tareas de etiquetado. Al crear el trabajo de etiquetado con la consola, se especifican instrucciones para ayudar a los trabajadores a completar el trabajo y las etiquetas que los trabajadores pueden elegir.

Crear un trabajo de etiquetado de clasificación de texto con etiquetas múltiples (API)

Para crear un trabajo de etiquetado de clasificación de texto con etiquetas múltiples, utilice la operación CreateLabelingJob de la API de SageMaker. Esta API define esta operación para todos los SDK de AWS. Para ver una lista de SDK específicos de lenguajes admitidos para esta operación, revise la sección Ver también de CreateLabelingJob.

Siga las instrucciones de Crear un trabajo de etiquetado (API) y haga lo siguiente mientras configura su solicitud:

• Las funciones de Lambda de preanotación para este tipo de tarea terminan con PRE-TextMultiClassMultiLabel. Para buscar el ARN de Lambda de preanotación para su región, consulte PreHumanTaskLambdaArn.

• Las funciones de Lambda de consolidación de anotaciones para este tipo de tarea terminan con ACS-TextMultiClassMultiLabel. Para buscar el ARN de Lambda de consolidación de anotaciones para su región, consulte AnnotationConsolidationLambdaArn.

A continuación se ofrece un ejemplo de solicitud del SDK de AWS Python (Boto3) para crear un trabajo de etiquetado en la región Este de EE. UU. (Norte de Virginia). Todos los parámetros en rojo deben reemplazarse con sus especificaciones y recursos.

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'
        },
    ]
)

Crear una plantilla para la clasificación de texto con etiquetas múltiples

Si crea un trabajo de etiquetado con la API, debe proporcionar una plantilla de tarea del trabajador en UiTemplateS3Uri. Copie y modifique la siguiente plantilla. Modifique únicamente short-instructions, full-instructions y header.

Cargue esta plantilla a S3 y proporcione el URI de S3 para este archivo en UiTemplateS3Uri.

<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>

Para obtener información sobre cómo crear una plantilla personalizada, consulte Creación de flujos de trabajo de etiquetado personalizados.

Datos de salida de clasificación de texto multietiqueta

Una vez haya creado un trabajo de etiquetado de clasificación de texto con múltipleas etiquetas, los datos de salida se ubicarán en el bucket de Amazon S3 especificado en el parámetro S3OutputPath al utilizar la API o en el campo Ubicación del conjunto de datos de salida de la sección Descripción general del trabajo de la consola.

Para obtener más información sobre el archivo de manifiesto de salida generado por Ground Truth y la estructura de archivos que Ground Truth utiliza para almacenar los datos de salida, consulte Datos de salida.

Para ver un ejemplo de archivos de manifiesto de salida para el trabajo de etiquetado de clasificación de texto con etiquetas múltiples, consulte Salida del trabajo de clasificación de etiquetas múltiples.