Google AutoML 自然语言多标签文本分类的输入数据集格式答案

【问题标题】：Format of the input dataset for Google AutoML Natural Language multi-label text classificationGoogle AutoML 自然语言多标签文本分类的输入数据集格式
【发布时间】：2018-09-28 15:06:46
【问题描述】：

Google AutoML 自然语言多标签文本分类的输入数据集格式应该是什么？我知道对于多类分类，我需要一列文本和另一列用于标签。标签列每行包含一个标签。

每个文本都有多个标签，我想做多标签分类。我尝试每个标签有一列和一个热编码，但我收到了这个错误消息：最多支持 1000 个标签。找到 9823 个标签。

【问题讨论】：

标签： google-cloud-nl google-natural-language google-cloud-automl-nl

【解决方案1】：

一开始很困惑，但后来我设法在文档中找到了格式，这是一个 CSV 文件，例如：

text1, label1, label2 text2, label2 text3, label3, label2, label1

解析器无法理解保存为标准 CSV 文件的 NULL 单元格的表格，例如：

text1, label1, label2, text2, label2,, text3, label3, label2, label1

我不得不从 Pandas 生成的 CSV 文件中手动删除多余的逗号。

【讨论】：

非常感谢您提供的示例和详细信息。我们将在文档中添加“null”问题。

【解决方案2】：

Google AutoML 已更新其解析器。下面的格式就可以了：

text1, label1, label2, label3,
text1, label1, label2, ,
text1, label1, label2, , ,

至少在 2019 年 1 月 27 日对我有用

【讨论】：

【解决方案3】：

每个标签一列是要走的路。如果您的标签少于 1000 个，则您的 CSV 文件中可能存在错误，解析器会感到困惑，并认为示例文本中的某些标记是标签。请确保您的文本使用引号正确转义。

【讨论】：

感谢@mona-attariyan 的回答。后来我找到了答案。为了正确显示文本，我添加了一个答案。