多標籤模式

在多標籤模式下，個別類別代表不相互排斥的不同類別。多標籤分類為每個文檔分配一個或多個類。例如，您可以將一部電影歸類為「紀錄片」，將另一部電影歸類為「科幻小說」、「動作」和「喜劇」。

對於培訓，多標籤模式支持多達 100 萬個示例，其中包含多達 100 個獨特的課程。

純文字模型

若要訓練純文字模型，您可以將標籤化的訓練資料提供為 CSV 檔案或 SageMaker Ground Truth 的增強資訊清單檔案。

CSV 檔案

如需將 CSV 檔案用於訓練分類器的一般資訊，請參閱CSV 檔案。

將訓練資料提供為兩欄 CSV 檔案。對於每一列，第一欄包含類別標籤值，第二欄包含這些類別的範例文字文件。要在第一列中輸入多個類別，請在每個類別之間使用分隔符號（如 |）。

CLASS,Text of document 1
CLASS,Text of document 2
CLASS|CLASS|CLASS,Text of document 3

下列範例會顯示 CSV 檔案的其中一列，該資料列會訓練自訂分類器，以偵測電影摘要中的類型：

COMEDY|MYSTERY|SCIENCE_FICTION|TEEN,"A band of misfit teens become unlikely detectives when they discover troubling clues about their high school English teacher. Could the strange Mrs. Doe be an alien from outer space?"

類別名稱之間的預設分隔符號為管線 (|)。但是，您可以使用不同的字元作為分隔符號。分隔符號必須與類別名稱中的所有字元不同。例如，如果您的類別是 CLASS_1、CLASS_2 和 CLASS_3，則底線 (_) 就是類別名稱的一部分。所以不要使用下劃線作為分隔類名的分隔符。

增強清單文件

如需有關針對訓練分類器使用增強資訊清單檔案的一般資訊，請參閱增強清單文件。

對於純文字文件，增強資訊清單檔案的每一行都是完整的 JSON 物件。它包含一個培訓文檔，類名和其他元數據 Ground Truth。下列範例是增強資訊清單檔案，用於訓練自訂分類器以偵測電影摘要中的類型：

{"source":"Document 1 text", "MultiLabelJob":[0,4], "MultiLabelJob-metadata":{"job-name":"labeling-job/multilabeljob", "class-map":{"0":"action", "4":"drama"}, "human-annotated":"yes", "creation-date":"2020-05-21T19:02:21.521882", "confidence-map":{"0":0.66}, "type":"groundtruth/text-classification-multilabel"}}
{"source":"Document 2 text", "MultiLabelJob":[3,6], "MultiLabelJob-metadata":{"job-name":"labeling-job/multilabeljob", "class-map":{"3":"comedy", "6":"horror"}, "human-annotated":"yes", "creation-date":"2020-05-21T19:00:01.291202", "confidence-map":{"1":0.61,"0":0.61}, "type":"groundtruth/text-classification-multilabel"}}
{"source":"Document 3 text", "MultiLabelJob":[1], "MultiLabelJob-metadata":{"job-name":"labeling-job/multilabeljob", "class-map":{"1":"action"}, "human-annotated":"yes", "creation-date":"2020-05-21T18:58:51.662050", "confidence-map":{"1":0.68}, "type":"groundtruth/text-classification-multilabel"}}

下列範例顯示增強資訊清單檔案中的一個 JSON 物件，其格式化為可讀性：

{
      "source": "A band of misfit teens become unlikely detectives when 
                   they discover troubling clues about their high school English teacher. 
                     Could the strange Mrs. Doe be an alien from outer space?",
      "MultiLabelJob": [
          3,
          8,
          10,
          11
      ],
      "MultiLabelJob-metadata": {
          "job-name": "labeling-job/multilabeljob",
          "class-map": {
              "3": "comedy",
              "8": "mystery",
              "10": "science_fiction",
              "11": "teen"
          },
          "human-annotated": "yes",
          "creation-date": "2020-05-21T19:00:01.291202",
          "confidence-map": {
              "3": 0.95,
              "8": 0.77,
              "10": 0.83,
              "11": 0.92
          },
          "type": "groundtruth/text-classification-multilabel"
      }
  }

在此範例中，source屬性提供訓練文件的文字，而MultiLabelJob屬性會從分類清單中指派數個類別的索引。中MultiLabelJob繼資料中的工作名稱是您在 Ground Truth 中為標籤工作定義的名稱。

原生文件模型

原生文件模型是您使用原生文件 (例如 PDF、DOCX 和影像檔案) 進行訓練的模型。您可以將標籤化的訓練資料提供為 CSV 檔案。

CSV 檔案

如需將 CSV 檔案用於訓練分類器的一般資訊，請參閱CSV 檔案。

將訓練資料提供為三欄 CSV 檔案。對於每一列，第一欄包含類別標籤值。第二欄包含這些類別的範例文件的檔案名稱。第三列包含頁碼。如果範例文件是影像，則頁碼為選用。

要在第一列中輸入多個類別，請在每個類別之間使用分隔符號（如 |）。

CLASS,input-doc-1.pdf,3
CLASS,input-doc-2.docx,1
CLASS|CLASS|CLASS,input-doc-3.png,2

下列範例會顯示 CSV 檔案中的一列，這些檔案會訓練自訂分類器，以偵測電影摘要中的類型。PDF 文件的第 2 頁包含喜劇/青少年電影的示例。

COMEDY|TEEN,movie-summary-1.pdf,2

類別名稱之間的預設分隔符號為管線 (|)。但是，您可以使用不同的字元作為分隔符號。分隔符號必須與類別名稱中的所有字元不同。例如，如果您的類別是 CLASS_1、CLASS_2 和 CLASS_3，則底線 (_) 就是類別名稱的一部分。所以不要使用下劃線作為分隔類名的分隔符。