モデルの学習に使用するテキストサンプルのプレパレーション
このシナリオは、ビッグデータとTalend Data Fabricを備えたTalend Platform製品にのみ適用されます。
Talendでサポートされているテクノロジーの詳細は、Talendコンポーネントを参照してください。
このジョブでは、入力テキストを複数のトークンに分割するためにtNLPPreprocessingを使用します。次に、tNormalizeを使用してトークンをCoNLL形式に変換します。このCoNLLファイルを使用して、テキストデータのネームドエンティティを抽出するための分類モデルを学習できます。
-
トークンに分解してテキストサンプルのプレパレーションを行います。トークンは、分類モデルのトレーニングに使用されます。
-
分類モデルの学習、機能のデザイン、およびモデルの評価。
tNLPModelを使用して分類モデルを生成する方法のサンプルは、分類モデルの生成をご覧ください。
ネームドエンティティ認識モデルを生成する方法のサンプルは、Talend Help Center (https://help.talend.com (英語のみ))を参照してください。
-
モデルをフルテキストに適用し、tNLPPredictを使用してネームドエンティティを抽出します。
分類モデルを使用してネームドエンティティを抽出する方法のサンプルは、分類モデルを使用してネームドエンティティを抽出するをご覧ください。
分類モデルを使用してネームドエンティティを抽出する方法のサンプルは、Talend Help Center (https://help.talend.com (英語のみ))を参照してください。
自然言語処理の詳細は、Talend Studioを使用する自然言語処理をご覧ください。
自然言語処理の詳細は、Talend Help Center (https://help.talend.com (英語のみ))で説明されています。
tHDFSConfigurationはこのシナリオで、ジョブに依存するjarファイルの転送先となるHDFSシステムに接続するために、Sparkによって使用されます。
-
Yarnモード(YarnクライアントまたはYarnクラスター):
-
Google Dataprocを使用している場合、[Spark configuration] (Spark設定)タブの[Google Storage staging bucket] (Google Storageステージングバケット)フィールドにバケットを指定します。
-
HDInsightを使用している場合、[Spark configuration] (Spark設定)タブの[Windows Azure Storage configuration] (Windows Azure Storage設定)エリアでジョブのデプロイメントに使用するブロブを指定します。
- Altusを使用する場合は、[Spark configuration] (Spark設定)タブでジョブのデプロイにS3バケットまたはAzure Data Lake Storageを指定します。
- Quboleを使用する場合は、ジョブにtS3Configurationを追加し、QuboleでS3システム内に実際のビジネスデータを書き込みます。tS3Configurationを使用しないと、このビジネスデータはQubole HDFSシステムに書き込まれ、クラスターをシャットダウンすると破棄されます。
-
オンプレミスのディストリビューションを使用する場合は、クラスターで使われているファイルシステムに対応する設定コンポーネントを使用します。一般的に、このシステムはHDFSになるため、tHDFSConfigurationを使用します。
-
-
[Standalone mode] (スタンドアロンモード): クラスターで使われているファイルシステム(tHDFSConfiguration Apache Spark BatchやtS3Configuration Apache Spark Batchなど)に対応する設定コンポーネントを使用します。
ジョブ内に設定コンポーネントがない状態でDatabricksを使用している場合、ビジネスデータはDBFS (Databricks Filesystem)に直接書き込まれます。