يُعد تصنيف النص مشكلة أساسية في التعلم الآلي مع التطبيقات عبر المنتجات المتنوعة. في هذا الدليل، قمنا بتقسيم سير عمل تصنيف النص إلى عدة خطوات. لكل خطوة، اقترحنا نهجًا مخصصًا بناءً على خصائص مجموعة البيانات المحددة لديك. وعلى وجه الخصوص، عند استخدام نسبة عدد العينات إلى عدد الكلمات لكل عينة، نقترح استخدام نوع نموذج يقربك سريعًا من أفضل أداء. ويتم وضع الخطوات الأخرى حول هذا الاختيار. نأمل أن يساعدك اتباع الدليل والرمز المصاحب والمخطط الانسيابي في التعلم والفهم والحصول على حل سريع للمشكلة التي تواجهها في تصنيف النص.
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2023-10-23 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2023-10-23 (حسب التوقيت العالمي المتفَّق عليه)"],[[["This guide provides a structured workflow for text classification, breaking it down into manageable steps tailored to your dataset's characteristics."],["Model selection is guided by the ratio of samples to words per sample, helping you quickly identify a suitable model for optimal performance."],["The guide includes code and a flowchart to facilitate learning, understanding, and implementing a first-cut solution for your text classification problem."]]],[]]