I/O에서 발표된 Google AI Edge 관련 발표에 대해 자세히 알아보세요.

이 페이지는 Cloud Translation API를 통해 번역되었습니다.

iOS용 텍스트 분류 가이드

Text Classifier 작업을 사용하면 텍스트를 긍정적 또는 부정적 감정과 같은 정의된 카테고리 집합으로 분류할 수 있습니다. 카테고리는 사용하는 모델과 모델의 학습 방법에 따라 결정됩니다. 이 안내는 iOS 앱에서 Text Classifier를 사용하는 방법을 보여줍니다. 이 안내에서 설명하는 코드 샘플은 GitHub에서 확인할 수 있습니다.

이 웹 데모에서 이 작업의 작동 방식을 확인할 수 있습니다. 이 작업의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

MediaPipe 태스크 예시 코드는 iOS용 Text Classifier 앱의 기본 구현입니다.

이 앱을 자체 iOS 앱의 시작점으로 사용하거나 기존 앱을 수정할 때 참고할 수 있습니다. GitHub에서 Text Classifier 예시 코드를 참조할 수 있습니다.

코드 다운로드

다음 안내에서는 git 명령줄 도구를 사용하여 예시 코드의 로컬 사본을 만드는 방법을 보여줍니다.

예시 코드를 다운로드하려면 다음 단계를 따르세요.

다음 명령어를 사용하여 git 저장소를 클론합니다.
```
git clone https://github.com/google-ai-edge/mediapipe-samples
```
필요한 경우 Text Classifier 예시 앱용 파일만 확보하도록 git 인스턴스가 스파스 결제를 사용하도록 구성합니다.
```
cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/text_classification/ios/
```

예시 코드의 로컬 버전을 만든 후 MediaPipe 작업 라이브러리를 설치하고 Xcode를 사용하여 프로젝트를 열고 앱을 실행할 수 있습니다. 자세한 내용은 iOS 설정 가이드를 참조하세요.

주요 구성요소

다음 파일에는 Text Classifier 예시 애플리케이션을 위한 중요한 코드가 포함되어 있습니다.

TextClassifierHelper.swift: 텍스트 분류자를 초기화하고 모델 선택을 처리합니다.
ViewController.swift: UI를 구현하고 결과의 형식을 지정합니다.

설정

이 섹션에서는 Text Classifier를 사용하도록 개발 환경 및 코드 프로젝트를 설정하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 iOS 설정 가이드를 참고하세요.

종속 항목

Text Classifier는 CocoaPods를 사용하여 설치해야 하는 MediaPipeTasksText 라이브러리를 사용합니다. 라이브러리는 Swift 및 Objective-C 앱과 호환되며 추가적인 언어별 설정이 필요하지 않습니다.

macOS에 CocoaPods를 설치하는 방법은 CocoaPods 설치 가이드를 참고하세요. 앱에 필요한 포드로 Podfile를 만드는 방법에 대한 안내는 CocoaPods 사용을 참조하세요.

다음 코드를 사용하여 Podfile에 MediaPipeTasksText 포드를 추가합니다.

target 'MyTextClassifierApp' do
  use_frameworks!
  pod 'MediaPipeTasksText'
end

앱에 단위 테스트 타겟이 포함된 경우 Podfile 설정에 관한 자세한 내용은 iOS용 설정 가이드를 참고하세요.

모델

MediaPipe Text Classifier 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. Text Classifier에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 후 Xcode를 사용하여 프로젝트 디렉터리에 추가합니다. Xcode 프로젝트에 파일을 추가하는 방법은 Xcode 프로젝트의 파일 및 폴더 관리를 참고하세요.

BaseOptions.modelAssetPath 속성을 사용하여 App Bundle의 모델 경로를 지정합니다. 코드 예는 다음 섹션을 참고하세요.

할 일 만들기

이니셜라이저 중 하나를 호출하여 Text Classifier 작업을 만들 수 있습니다. TextClassifier(options:) 이니셜라이저는 구성 옵션의 값을 설정합니다.

맞춤설정된 구성 옵션으로 초기화된 Text Classifier가 필요하지 않으면 TextClassifier(modelPath:) 이니셜라이저를 사용하여 기본 옵션으로 Text Classifier를 만들 수 있습니다. 구성 옵션에 대한 자세한 내용은 구성 개요를 참고하세요.

다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.

Swift

import MediaPipeTasksText

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = TextClassifierOptions()
options.baseOptions.modelAssetPath = modelPath
options.scoreThreshold = 0.6

let textClassifier = try TextClassifier(options: options)

Objective-C

@import MediaPipeTasksText;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPTextClassifierOptions *options = [[MPPTextClassifierOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.scoreThreshold = 0.6;

MPPTextClassifier *textClassifier =
      [[MPPTextClassifier alloc] initWithOptions:options error:nil];

구성 옵션

이 작업에는 다음과 같은 iOS 앱 구성 옵션이 있습니다.

옵션 이름	설명	값 범위	기본값
`displayNamesLocale`	가능한 경우 태스크 모델의 메타데이터에 제공되는 표시 이름에 사용할 라벨 언어를 설정합니다. 기본값은 영어의 경우 `en`입니다. TensorFlow Lite Metadata Writer API를 사용하여 커스텀 모델의 메타데이터에 현지화된 라벨을 추가할 수 있습니다.	언어 코드	한국어
`maxResults`	반환할 최고 점수를 받은 분류 결과의 최대 개수를 선택합니다(선택사항). 0보다 작은 경우 사용 가능한 모든 결과가 반환됩니다.	모든 양수	`-1`
`scoreThreshold`	모델 메타데이터에서 제공된 값 (있는 경우)을 재정의하는 예측 점수 임곗값을 설정합니다. 이 값보다 낮은 결과는 거부됩니다.	모든 플로팅	설정되지 않음
`categoryAllowlist`	허용된 카테고리 이름의 선택적 목록을 설정합니다. 비어 있지 않으면 카테고리 이름이 이 세트에 없는 분류 결과는 필터링됩니다. 중복되거나 알 수 없는 카테고리 이름은 무시됩니다. 이 옵션은 `categoryDenylist`와 상호 배타적이며 둘 다 사용하면 오류가 발생합니다.	모든 문자열	설정되지 않음
`categoryDenylist`	허용되지 않는 카테고리 이름의 선택적 목록을 설정합니다. 비어 있지 않으면 카테고리 이름이 이 세트에 있는 분류 결과가 필터링됩니다. 중복되거나 알 수 없는 카테고리 이름은 무시됩니다. 이 옵션은 `categoryAllowlist`와 함께 사용할 수 없으며 두 옵션을 모두 사용하면 오류가 발생합니다.	모든 문자열	설정되지 않음

데이터 준비

Text Classifier는 텍스트 데이터와 연동됩니다. 이 태스크는 토큰화와 텐서 전처리를 포함하여 데이터 입력 사전 처리를 처리합니다.

모든 전처리는 classify(text:) 함수 내에서 처리됩니다. 사전에 입력 텍스트를 추가로 사전 처리할 필요는 없습니다.

Swift

let text = "The input text to be classified."

Objective-C

NSString *text = @"The input text to be classified.";

작업 실행

Text Classifier를 실행하려면 classify(text:) 메서드를 사용합니다. Text Classifier는 입력 텍스트에 가능한 카테고리를 반환합니다.

Swift

let result = try textClassifier.classify(text: text)

Objective-C

MPPTextClassifierResult *result = [textClassifier classifyText:text
                                                          error:nil];

참고: 이 작업은 텍스트에 대한 추론 실행을 완료할 때까지 현재 스레드를 차단합니다. 현재 스레드를 차단하지 않으려면 iOS 디스패치 또는 NSOperation 프레임워크를 사용하여 백그라운드 스레드에서 처리를 실행합니다.

결과 처리 및 표시

추론을 실행하면 Text Classifier 작업은 입력 텍스트에 가능한 카테고리 목록이 포함된 TextClassifierResult 객체를 반환합니다. 카테고리는 사용하는 모델에 따라 정의되므로 다른 카테고리를 사용하려면 다른 모델을 선택하거나 기존 모델을 다시 학습시키세요.

다음은 이 작업의 출력 데이터 예를 보여줍니다.

TextClassificationResult:
  Classification #0 (single classification head):
    ClassificationEntry #0:
      Category #0:
        category name: "positive"
        score: 0.8904
        index: 0
      Category #1:
        category name: "negative"
        score: 0.1096
        index: 1

이 결과는 입력 텍스트 "an imperfect but overall entertaining mystery"에서 BERT 분류기를 실행하여 얻은 것입니다.

코드 예의 ViewController.swift 파일은 작업에서 반환된 감지 결과를 표시하는 방법을 보여줍니다.