기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
텍스트 데이터를 위한 내장 SageMaker 알고리즘
SageMaker 자연어 처리, 문서 분류 또는 요약, 주제 모델링 또는 분류, 언어 전사 또는 번역에 사용되는 텍스트 문서의 분석에 맞게 조정된 알고리즘을 제공합니다.
-
BlazingText 알고리듬 - 대규모 데이터 세트로 쉽게 확장할 수 있는 Word2vec 및 텍스트 분류 알고리즘의 고도로 최적화된 구현. 많은 다운스트림 자연어 처리 (NLP) 작업에 유용합니다.
-
Latent Dirichlet Allocation(LDA) 알고리즘 - 여러 문서에서 주제를 결정하는 데 적합한 알고리즘. 비지도 알고리즘으로 훈련 중 답이 포함된 예제 데이터를 사용하지 않습니다.
-
신경 주제 모델(NTM) 알고리즘 - 신경망 접근 방식을 사용하여 여러 문서에서 주제를 결정하는 또 다른 비지도 기법.
-
Object2Vec 알고리즘 - 추천 시스템, 문서 분류 및 문장 임베딩에 사용할 수 있는 범용 신경 임베딩 알고리즘.
-
Sequence-to-Sequence 알고리즘 - 신경망 기계 번역에 일반적으로 사용되는 감독형 알고리즘.
-
텍스트 분류 - TensorFlow - 텍스트 분류에 사용할 수 있는 사전 훈련된 모델을 사용하여 학습 전송을 지원하는 지도 알고리즘.
| 알고리즘 이름 | 채널 이름 | 훈련 입력 모드 | 파일 유형 | 인스턴스 클래스 | 병렬화 가능 |
|---|---|---|---|---|---|
| BlazingText | train | 파일 또는 파이프 | 텍스트 파일(행당 공백으로 분류된 토큰이 포함된 하나의 문장) | GPU(단일 인스턴스 전용) 또는 CPU | 아니요 |
| LDA | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | CPU(단일 인스턴스 전용) | 아니요 |
| Neural Topic Model | train 및 (선택 사항) validation, test 또는 모두 | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | GPU 또는 CPU | 예 |
| Object2Vec | train 및 (선택 사항) validation, test 또는 모두 | 파일 | JSON Lines | GPU 또는 CPU(단일 인스턴스 전용) | 아니요 |
| Seq2Seq Modeling | train, validation 및 vocab | 파일 | recordIO-protobuf | GPU(단일 인스턴스 전용) | 아니요 |
| 텍스트 분류 - TensorFlow | 훈련 및 검증 | 파일 | CSV | CPU 또는 GPU | 예(단일 인스턴스의 여러 GPU에서만 가능) |
