快速入门：使用 AutoML Natural Language 创建机器学习模型

使用 AutoML Natural Language 创建机器学习模型

本快速入门介绍如何使用 AutoML Natural Language 创建自定义机器学习模型。您可以创建模型来对文档进行分类、识别文档中的实体或分析文档中的主导性情绪态度。

如需在 Google Cloud 控制台中直接遵循有关此任务的分步指导，请点击操作演示：

操作演示

准备工作

设置项目

您必须先创建 Google Cloud 项目并为该项目启用 AutoML Natural Language，然后才能使用 AutoML Natural Language。

  1. 登录您的 Google Cloud 帐号。如果您是 Google Cloud 新手，请创建一个帐号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。

  2. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

    转到“项目选择器”

  3. 确保您的 Google Cloud 项目已启用结算功能。了解如何检查项目是否已启用结算功能。

  4. 启用 Cloud AutoML and Storage API。

    启用 API

    5.

  5. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

    转到“项目选择器”

  6. 确保您的 Google Cloud 项目已启用结算功能。了解如何检查项目是否已启用结算功能。

  7. 启用 Cloud AutoML and Storage API。

    启用 API

    8.

模型目标

AutoML Natural Language 可以针对四种不同的任务（称为模型目标）来训练自定义模型：

  • 单标签分类通过为文档分配标签来对文档进行分类
  • 多标签分类可以为某个文档分配多个标签
  • 实体提取识别文档中的实体
  • 情感分析可以分析文档中的态度

对于此快速入门，您可以通过选择公共 Cloud Storage 存储分区中托管的三个样本数据集之一来选择要创建的模型类型：

  • 如需创建单标签分类模型，请使用从 Kaggle 开源数据集 HappyDB 派生的“幸福时刻”数据集。由此产生的模型将幸福时刻分成反映幸福原因的不同类别。

    该数据通过知识共享 CCO：公共领域许可提供。

  • 如需创建实体提取模型，请使用提及数百种疾病和概念的生物医学研究摘要语料库。由此产生的模型可以识别其他文档中的这些医学实体。

    作为“美国政府的一项工作成果”，此数据集位于公共领域中，受美国版权法条款保护。

  • 如需创建情感分析模型，请使用 FigureEight 的开放数据集，该数据集分析了 Twitter 上有关氯雷他定（治疗过敏的药品）的内容。

创建数据集

  1. 打开 AutoML Natural Language 界面，然后在与您计划训练的模型类型对应的框中选择开始使用。

  2. 点击标题栏中的新建数据集按钮。

  3. 输入数据集的名称，然后选择与您选定的示例数据集匹配的模型目标。

    将位置保留设置为全球。

  4. 在导入文本项部分，选择选择 Cloud Storage 上的 CSV 文件，然后在文本框中输入要使用的数据集的路径。

    • 对于“幸福时刻”数据集，请输入 cloud-ml-data/NL-classification/happiness.csv
    • 对于生物医学研究数据集，请输入 cloud-ml-data/NL-entity/dataset.csv
    • 对于氯雷他定情感数据集，请输入 cloud-ml-data/NL-sentiment/crowdflower-twitter-claritin-80-10-10.csv

    （系统会自动添加 gs:// 前缀。）或者，您可以点击浏览，然后导航到 CSV 文件。

    如果您选择情感数据集，则 AutoML Natural Language 会要求您提供最大的情感值。此数据集的最大值为 4。

  5. 点击创建数据集。

    此时，您将被转至数据集页面；您的数据集会在文档导入期间显示一个进行中动画。此过程所需的时间大约为每 1000 份文档 10 分钟，但有可能更长或更短。

    成功创建数据集后，我们会向您的项目关联的电子邮件地址发送一封邮件。

训练模型

成功导入训练数据后，从数据集列表页面中选择相应数据集以查看其相关详细信息。所选数据集的名称会显示在标题栏中，该页面还会列出数据集中的各个文档及其标签。左侧导航栏汇总了已加标签和未加标签的文档数，使您可以按标签过滤文档列表。

文本项页面

  1. 查看完数据集后，点击标题栏正下方的训练标签。

  2. 点击开始训练。

  3. 输入新模型的名称，然后选中训练完成后部署模型复选框。

  4. 点击开始训练。

训练模型可能需要几个小时才能完成。成功训练模型后，我们会向您的项目关联的电子邮件地址发送一封邮件。

训练之后，训练页面的底部会显示模型的一些高级层指标，例如精确率和召回率。如需查看更多详细信息，请点击评估标签页。

使用自定义模型

成功训练模型后，您可以使用它来分析其他文档。点击标题栏正下方的测试和使用标签页。在输入文本框中输入文本，或在 Cloud Storage 存储分区中输入 PDF 或 TIFF 文件的网址，然后单击预测。AutoML Natural Language 会使用您的模型分析文本并显示注释。

清理

为避免因本页中使用的资源导致您的 Google Cloud 帐号产生费用，请按照以下步骤操作。

为避免产生不必要的 Google Cloud Platform 费用，请使用 Google Cloud 控制台删除您不需要的项目。

后续步骤