웹용 텍스트 분류 가이드

MediaPipe 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 안내에서는 웹 및 JavaScript 앱에서 Text Classifier를 사용하는 방법을 보여줍니다.

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

코드 예시

Text Classifier의 예시 코드는 JavaScript로 이 작업을 전체적으로 구현한 예를 참고하세요. 이 코드를 사용하면 이 작업을 테스트하고 자체 텍스트 분류 앱을 빌드할 수 있습니다. 웹브라우저만 사용하여 Text Classifier 예시 코드를 보고 실행하고 수정할 수 있습니다.

설정

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

JavaScript 패키지

Text Classifier 코드는 @mediapipe/tasks-text 패키지를 통해 제공됩니다. 플랫폼 설정 가이드에 제공된 링크에서 이러한 라이브러리를 찾아 다운로드할 수 있습니다.

다음 명령어를 사용하여 로컬 스테이징을 위해 다음 코드로 필수 패키지를 설치할 수 있습니다.

npm install @mediapipe/tasks-text

서버에 배포하려면 jsDelivr과 같은 콘텐츠 전송 네트워크 (CDN) 서비스를 사용하여 다음과 같이 HTML 페이지에 코드를 직접 추가하면 됩니다.

<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@0.1/text-bundle.js"
    crossorigin="anonymous"></script>
</head>

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 프로젝트 디렉터리에 저장합니다.

<dev-project-root>/assets/bert_text_classifier.tflite

아래와 같이 baseOptions 객체 modelAssetPath 매개변수를 사용하여 모델의 경로를 지정합니다.

baseOptions: {
        modelAssetPath: `/assets/bert_text_classifier.tflite`
      }

할 일 만들기

Text Classifier TextClassifier.createFrom...() 함수 중 하나를 사용하여 추론을 실행할 작업을 준비합니다. 학습된 모델 파일의 상대 또는 절대 경로와 함께 createFromModelPath() 함수를 사용할 수 있습니다. 아래 코드 예에서는 TextClassifier.createFromOptions() 함수를 사용하는 방법을 보여줍니다. 사용 가능한 구성 옵션에 대한 자세한 내용은 구성 옵션을 참고하세요.

다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.

async function createClassifier() {
  const textFiles = await FilesetResolver.forTextTasks("https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@latest/wasm/");
  textClassifier = await TextClassifier.createFromOptions(
    textFiles,
    {
      baseOptions: {
        modelAssetPath: `https://storage.googleapis.com/mediapipe-tasks/text_classifier/bert_text_classifier.tflite`
      },
      maxResults: 5
    }
  );
}
createClassifier();

구성 옵션

이 태스크에는 웹 및 자바스크립트 애플리케이션을 위한 다음과 같은 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 (String) 데이터와 함께 사용할 수 있습니다. 이 작업은 토큰화와 텐서 전처리를 포함한 데이터 입력 전처리를 처리합니다.

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

const inputText = "The input text to be classified.";

작업 실행

Text Classifier는 classify() 함수를 사용하여 추론을 트리거합니다. 텍스트 분류의 경우 입력 텍스트에 가능한 카테고리를 반환합니다.

다음 코드는 작업 모델로 처리를 실행하는 방법을 보여줍니다.

// Wait to run the function until inner text is set
const result: TextClassifierResult = await textClassifier.classify(
  inputText
);

결과 처리 및 표시

Text Classifier는 입력 텍스트에 가능한 카테고리 목록이 포함된 TextClassifierResult를 출력합니다. 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.