MediaPipe 텍스트 분류기 작업을 사용하면 텍스트를 정의된 카테고리(예: 긍정적 또는 부정적 감정)로 분류할 수 있습니다. 카테고리는 사용하는 모델과 모델이 학습된 방식에 따라 결정됩니다. 이 안내에서는 웹 및 JavaScript 앱용 텍스트 분류기를 사용하는 방법을 보여줍니다.
데모를 보면 이 작업을 실제로 확인할 수 있습니다. 이 작업의 기능, 모델, 구성 옵션에 관한 자세한 내용은 개요를 참고하세요.
코드 예
Text Classifier의 예시 코드에서는 이 작업을 JavaScript로 완전히 구현하여 참고용으로 제공합니다. 이 코드는 이 작업을 테스트하고 자체 텍스트 분류 앱을 빌드하는 데 도움이 됩니다. 웹브라우저만 사용하여 텍스트 분류기 예를 보고, 실행하고, 수정할 수 있습니다.
설정
이 섹션에서는 Text Classifier를 사용하기 위해 개발 환경과 코드 프로젝트를 설정하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 비롯해 MediaPipe Tasks 사용을 위한 개발 환경 설정에 관한 일반 정보는 웹 설정 가이드를 참고하세요.
JavaScript 패키지
텍스트 분류 기준 코드는 @mediapipe/tasks-text 패키지를 통해 사용할 수 있습니다. 이러한 라이브러리는 플랫폼 설정 가이드에 제공된 링크에서 찾아 다운로드할 수 있습니다.
다음 명령어를 사용하여 로컬 스테이징에 필요한 패키지를 다음 코드로 설치할 수 있습니다.
npm install @mediapipe/tasks-text
서버에 배포하려면 jsDelivr과 같은 콘텐츠 전송 네트워크 (CDN) 서비스를 사용하여 다음과 같이 HTML 페이지에 직접 코드를 추가하면 됩니다.
<head>
<script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@0.1/text-bundle.js"
crossorigin="anonymous"></script>
</head>
모델
MediaPipe 텍스트 분류기 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. Text Classifier에 사용할 수 있는 학습된 모델에 관한 자세한 내용은 작업 개요의 모델 섹션을 참고하세요.
모델을 선택하고 다운로드한 다음 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`
}
작업 만들기
텍스트 분류기 TextClassifier.createFrom...() 함수 중 하나를 사용하여 추론을 실행할 작업을 준비합니다. 학습된 모델 파일의 상대 경로 또는 절대 경로와 함께 createFromModelPath() 함수를 사용할 수 있습니다. 아래 코드 예시에서는 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 작업에는 웹 및 JavaScript 애플리케이션을 위한 다음과 같은 구성 옵션이 있습니다.
| 옵션 이름 | 설명 | 값 범위 | 기본값 |
|---|---|---|---|
displayNamesLocale |
사용 가능한 경우 작업 모델의 메타데이터에 제공된 표시 이름에 사용할 라벨의 언어를 설정합니다. 기본값은 영어의 경우 en입니다. TensorFlow Lite 메타데이터 작성기 API를 사용하여 맞춤 모델의 메타데이터에 현지화된 라벨을 추가할 수 있습니다.
| 언어 코드 | en |
maxResults |
반환할 점수가 가장 높은 분류 결과의 선택적 최대 수를 설정합니다. 0보다 작으면 사용 가능한 결과가 모두 반환됩니다. | 모든 양수 | -1 |
scoreThreshold |
모델 메타데이터에 제공된 예측 점수 기준점을 재정의합니다 (있는 경우). 이 값 미만의 결과는 거부됩니다. | 모든 부동 소수점 수 | 설정되지 않음 |
categoryAllowlist |
허용된 카테고리 이름의 선택적 목록을 설정합니다. 비어 있지 않은 경우 카테고리 이름이 이 세트에 없는 분류 결과가 필터링됩니다. 중복되거나 알 수 없는 카테고리 이름은 무시됩니다.
이 옵션은 categoryDenylist과 상호 배타적이며 둘 다 사용하면 오류가 발생합니다. |
모든 문자열 | 설정되지 않음 |
categoryDenylist |
허용되지 않는 카테고리 이름의 선택적 목록을 설정합니다. 비어 있지 않은 경우 카테고리 이름이 이 세트에 있는 분류 결과가 필터링됩니다. 중복되거나 알 수 없는 카테고리 이름은 무시됩니다. 이 옵션은 categoryAllowlist와 상호 배타적이며 둘 다 사용하면 오류가 발생합니다. |
모든 문자열 | 설정되지 않음 |
데이터 준비
Text Classifier는 텍스트 (String) 데이터와 함께 작동합니다. 이 작업은 토큰화 및 텐서 사전 처리를 비롯한 데이터 입력 사전 처리를 처리합니다.
모든 사전 처리는 classify() 함수 내에서 처리됩니다. 입력 텍스트를 미리 추가로 전처리할 필요가 없습니다.
const inputText = "The input text to be classified.";
태스크 실행
Text Classifier는 classify() 함수를 사용하여 추론을 트리거합니다. 텍스트 분류의 경우 입력 텍스트에 가능한 카테고리를 반환하는 것을 의미합니다.
다음 코드는 작업 모델을 사용하여 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
텍스트 분류기는 입력 텍스트에 가능한 카테고리 목록이 포함된 TextClassifierResult를 출력합니다. 카테고리는 사용하는 모델에 따라 정의되므로 다른 카테고리를 원한다면 다른 모델을 선택하거나 기존 모델을 재학습하세요.
다음은 이 작업의 출력 데이터 예시를 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.