텍스트 분류

TensorFlow Lite 모델을 사용하여 단락을 미리 정의된 그룹으로 분류합니다.

참고: (1) 기존 모델을 통합하려면 TensorFlow Lite 작업 라이브러리를 사용해 보세요. (2) 모델을 사용자 지정하려면 TensorFlow Lite 모델 제작기를 사용해 보세요.

시작하기

TensorFlow Lite를 처음 사용하고 Android로 작업하는 경우, TensorFlow Lite 작업 라이브러리 가이드를 살펴보고 몇 줄의 코드 내에서 텍스트 분류 모델을 통합하는 것이 좋습니다. TensorFlow Lite Interpreter Java API를 사용하여 모델을 통합할 수도 있습니다.

아래 Android 예제는 각각 lib_task_api 및 lib_interpreter로 두 메서드를 구현한 내용을 보여줍니다.

Android 예제

Android이외의 플랫폼을 사용 중이거나 TensorFlow Lite API에 이미 익숙한 경우 스타터 텍스트 분류 모델을 다운로드할 수 있습니다.

스타터 모델 다운로드

동작 원리

텍스트 분류는 콘텐츠에 따라 미리 정의된 그룹으로 단락을 분류합니다.

이 사전 훈련된 모델은 단락의 감정이 긍정적인지 부정적인지 예측합니다. Mass et al의 Large Movie Review Dataset v1.0에 대해 훈련되었으며, 이는 긍정적 또는 부정적이라고 표시된 IMDB 영화 리뷰로 구성됩니다.

모델로 단락을 분류하는 단계는 다음과 같습니다.

  1. 단락을 토큰화하고 사전 정의된 어휘를 사용하여 단어 ID 목록으로 변환하세요.
  2. TensorFlow Lite 모델에 목록을 제공합니다.
  3. 모델 출력에서 단락이 양수 또는 음수일 확률을 가져옵니다.

참고

  • 영어만 지원됩니다.
  • 이 모델은 영화 리뷰 데이터세트에서 훈련되었으므로 다른 도메인의 텍스트를 분류할 때 정확성이 떨어질 수 있습니다.

성능 벤치마크

성능 벤치 마크 수치는 여기에 설명된 도구를 사용하여 생성됩니다.

모델명 모델 크기 기기 CPU
텍스트 분류 0.6 Mb Pixel 3(Android 10) 0.05ms *
Pixel 4(Android 10) 0.05ms *
iPhone XS(iOS 12.4.1) 0.025ms **
  • 4개의 스레드가 사용되었습니다.

** 최상의 결과를 위해 iPhone에서 2개의 스레드가 사용되었습니다.

예제 출력

본문 부정적 (0) 긍정적 (1)
이 영화는 내가 최근에 본 것 중 최고입니다 25.3 % 74.7 %
: 년. 강력히 추천합니다! : : :
내 시간 낭비입니다. 72.5 % 27.5 %

훈련 데이터세트 사용하기

튜토리얼에 따라 여기에 사용된 것과 같은 기술을 적용하여 자체 데이터세트로 텍스트 분류 모델을 훈련하세요. 올바른 데이터세트를 사용하면 설명서 분류 또는 악성 댓글 감지와 같은 사용 사례에 대한 모델을 만들 수 있습니다.

텍스트 분류에 대해 자세히 알아보기