Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Algoritmi SageMaker AI integrati per dati di testo
<a name="algorithms-text"></a>

SageMaker L'intelligenza artificiale fornisce algoritmi personalizzati per l'analisi dei documenti testuali utilizzati nell'elaborazione del linguaggio naturale, nella classificazione o riepilogo dei documenti, nella modellazione o classificazione degli argomenti e nella trascrizione o traduzione linguistica.
+ [BlazingText algoritmo](blazingtext.md): un'implementazione altamente ottimizzata di Word2vec e algoritmi di classificazione del testo che si adattano facilmente a set di dati di grandi dimensioni. È utile per molte attività successive di elaborazione del linguaggio naturale (NLP).
+ [Algoritmo Allocazione latente di Dirichlet (LDA, Latent Dirichlet Allocation)](lda.md): un algoritmo idoneo per determinare gli argomenti in un set di documenti. Si tratta di un *algoritmo non supervisionato* e pertanto non utilizza dati di esempio con risposte durante l'addestramento.
+ [Algoritmo Modello neurale di argomenti (NTM)](ntm.md): un'altra tecnica non supervisionata per determinare gli argomenti in un set di documenti, utilizzando un approccio di rete neurale.
+ [Algoritmo Object2Vec](object2vec.md): un algoritmo di incorporamento neurale generico che può essere utilizzato per sistemi di raccomandazione, classificazione di documenti e incorporamento di frasi.
+ [Sequence-to-Sequence Algoritmo](seq-2-seq.md): questo algoritmo supervisionato è utilizzato comunemente per la traduzione automatica neurale. 
+ [Classificazione del testo - TensorFlow](text-classification-tensorflow.md): un algoritmo supervisionato che supporta l’apprendimento del trasferimento con modelli preaddestrati disponibili per la classificazione del testo. 


| Nome algoritmo | Nome canale | Modalità di input per l'addestramento | Tipo di file | Classe di istanza | Parallelizzabile | 
| --- | --- | --- | --- | --- | --- | 
| BlazingText | Addestramento | File o Pipe | File di testo (una frase per riga con token separati da spazio)  | GPU (solo istanza singola) o CPU | No | 
| LDA | addestrare e (facoltativamente) testare | File o Pipe | recordIO-protobuf o CSV | CPU (solo istanza singola) | No | 
| Modello argomento neurale | addestramento e (facoltativamente) convalida, test o entrambi | File o Pipe | recordIO-protobuf o CSV | GPU o CPU | Sì | 
| Object2Vec | addestramento e (facoltativamente) convalida, test o entrambi | File | JSON Lines  | GPU o CPU (solo istanza singola) | No | 
| Modellazione Seq2Seq | addestramento, convalida e vocab | File | recordIO-protobuf | GPU (solo istanza singola) | No | 
| Classificazione del testo - TensorFlow | Addestramento e convalida | File | CSV | CPU o GPU | Sì (solo su più istanze GPUs su una singola istanza) |