Cómo TensorFlow funciona la clasificación de textos

El TensorFlow algoritmo de clasificación de texto toma el texto tal como lo clasifica en una de las etiquetas de clase de salida. Las redes de aprendizaje profundo, como BERT, son muy precisas a la hora de clasificar textos. También hay redes de aprendizaje profundo que se entrenan con conjuntos de datos de texto de gran tamaño, por ejemplo TextNet, que tiene más de 11 millones de textos repartidos en unas 11 000 categorías. Después de entrenar una red con TextNet datos, puede ajustarla en un conjunto de datos con un enfoque particular para realizar tareas de clasificación de textos más específicas. El TensorFlow algoritmo de clasificación de textos de Amazon SageMaker AI admite el aprendizaje por transferencia en muchos modelos previamente entrenados que están disponibles en el TensorFlow Hub.

Según el número de etiquetas de clase que contengan tus datos de entrenamiento, se adjunta una capa de clasificación de texto al TensorFlow modelo previamente entrenado que elijas. La capa de clasificación está compuesta por una capa de eliminación, una capa densa y una capa totalmente conectada con regularización L2, y se inicia con ponderaciones aleatorias. Puede cambiar los valores de los hiperparámetros de la tasa de eliminación (en la capa de eliminación) y el factor de regularización L2 (en la capa densa).

Puede ajustar toda la red (lo que incluye el modelo prentrenado) o solo la capa de clasificación superior en los nuevos datos de entrenamiento. Con este método de aprendizaje por transferencia, es posible llevar a cabo el entrenamiento con conjuntos de datos más pequeños.