پیکسل‌داک

بدون هزینهٔ API · پردازش روی دستگاه · Trainable Naive Bayes

آموزش دسته‌بند متن شخصی

با نمونه‌های برچسب‌دار خود، دسته‌بند Naive Bayes محلی آموزش دهید.

مدل محلی، یادگیری و دستیارهای سند

مدل عصبی، دسته‌بند قابل آموزش و ابزار آماری با برچسب جدا مشخص‌اند. ورودی روی دستگاه می‌ماند؛ فایل مدل با اجرای ابزار دریافت می‌شود.

متن و تنظیمات

۰ / ۱۶۰۰۰ نویسه

حداکثر ۶۴ کیلوبایت؛ محلی

نتیجهٔ تحلیل

متن را وارد کنید یا نمونه را امتحان کنید.

روش و محدودیت‌ها

این ابزار از روش مشخص‌شده استفاده می‌کند. محدودیت و روش نتیجه کنار خروجی توضیح داده می‌شود.

پردازش در Web Worker انجام می‌شود. ورودی و نتیجه هنگام خروج از صفحه یا پاک‌کردن حذف می‌شوند و در ذخیره‌سازی مرورگر نگهداری نمی‌شوند؛ فایل دانلودشده روی دستگاه باقی می‌ماند.

راهنمای همین ابزار

چگونه از آموزش دسته‌بند متن شخصی استفاده کنیم؟

رفتن به ابزار ↑
  1. متن خود را وارد یا از نمونهٔ همین ابزار استفاده کنید.
  2. تنظیمات موجود را انتخاب کنید؛ اگر ابزار ورودی دوم دارد، آن را نیز وارد کنید.
  3. تحلیل را اجرا و نتیجه و توضیح روش را قبل از استفاده بررسی کنید.

مثال قابل آزمایش

ورودی نمونه

عکس محصول فروشگاه

نمونه‌های آموزش (JSON)

[
  {
    "label": "فروشگاه",
    "text": "عکس محصول و خرید اینترنتی فروشگاه"
  },
  {
    "label": "فروشگاه",
    "text": "قیمت محصول و فروشگاه آنلاین"
  },
  {
    "label": "ورزش",
    "text": "تیم فوتبال و مسابقهٔ ورزشی"
  },
  {
    "label": "ورزش",
    "text": "فوتبال تیم و تمرین ورزش"
  }
]

خروجی نمونه

فروشگاه — 94.0%
ورزش — 6.0%

Naive Bayes فقط با نمونه‌های شما در حافظه آموزش می‌بیند. وزن نسبی، دقت تأییدشده یا اطمینان کالیبره نیست و مبنای تصمیم مهم قرار نمی‌گیرد.

راهنمای روش، محدودیت و انتخاب ابزار ←