本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

文字分類 (單一標籤)

若要將文章和文字分類到預先定義的類別，請使用文字分類。例如，您可以使用文字分類來識別評論中所傳達的情緒，或識別某段文字底下的情緒。使用 Amazon SageMaker Ground Truth 文字分類，讓員工將文字排序為您定義的類別。

您可以使用 Amazon SageMaker 主控台的「Ground Truth」區段或CreateLabelingJob操作建立文字分類標籤任務。

建立文字分類標籤工作 (主控台)

您可以按照說明建立標記任務 (主控台)了解如何在 SageMaker 主控台中建立文字分類標籤工作。在步驟 10 中，從任務類別下拉式清單中選擇文字，然後選擇文字分類 (單一標籤)做為任務類型。

Ground Truth 提供類似下列標籤任務的工作者使用者介面。使用主控台建立標籤工作時，您可以指定指示以協助工作者完成工作，以及工作者可以選擇的標籤。

建立文字分類標示 Job (API)

若要建立文字分類標示工作，請使用此 SageMaker API作業CreateLabelingJob。這API定義了所有的這個操作 AWS SDKs。若要查看此作業SDKs支援的特定語言清單，請檢閱的〈請參閱〉一節。CreateLabelingJob

設定請求時，請遵循建立標記任務 (API)上的指示並執行下列動作：

以下是在美國東部 SDK(維吉尼亞北部) 區域建立標籤工作的AWS Python (Boto3) 請求範例。所有以紅色標示的參數都應該用您的規格和資源加以取代。

response = client.create_labeling_job(
    LabelingJobName='example-text-classification-labeling-job,
    LabelAttributeName='label',
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
        'KmsKeyId': 'string'
    },
    RoleArn='arn:aws:iam::*:role/*,
    LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
    StoppingConditions={
        'MaxHumanLabeledObjectCount': 123,
        'MaxPercentageOfInputDatasetLabeled': 123
    },
    HumanTaskConfig={
        'WorkteamArn': 'arn:aws:sagemaker:region:*:workteam/private-crowd/*',
        'UiConfig': {
            'UiTemplateS3Uri': 's3://bucket/path/worker-task-template.html'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-TextMultiClass,
        'TaskKeywords': [
            Text classification',
        ],
        'TaskTitle': Text classification task',
        'TaskDescription': 'Carefully read and classify this text using the categories provided.',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-TextMultiClass'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)

提供文字分類標籤工作的範本

如果您使用建立標籤工作API，則必須在中提供 Worker 任務範本UiTemplateS3Uri。複製並修改下列範本。僅修改 short-instructions、full-instructions 和 header。

將此範本上傳至 S3，並在中提URI供此檔案的 S3 UiTemplateS3Uri。

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-classifier
    name="crowd-classifier"
    categories="{{ task.input.labels | to_json | escape }}"
    header="classify text"
  >
    <classification-target style="white-space: pre-wrap">
      {{ task.input.taskObject }}
    </classification-target>
    <full-instructions header="Classifier instructions">
      <ol><li><strong>Read</strong> the text carefully.</li>
      <li><strong>Read</strong> the examples to understand more about the options.</li>
      <li><strong>Choose</strong> the appropriate labels that best suit the text.</li></ol>
    </full-instructions>
    <short-instructions>
      <p>Enter description of the labels that workers have to choose from</p>
      <p><br></p><p><br></p><p>Add examples to help workers understand the label</p>
      <p><br></p><p><br></p><p><br></p><p><br></p><p><br></p>
    </short-instructions>
  </crowd-classifier>
  </crowd-form>

文字分類輸出資料

建立文字分類標籤 Job 務後，您的輸出資料將位於使用主控台「任務概觀」區段的「輸出資料集位置」欄位中API或時，您的輸出資料將位於S3OutputPath參數中指定的 Amazon S3 儲存貯體中。

若要進一步了解 Ground Truth 產生的輸出資訊清單檔案，以及 Ground Truth 用來儲存輸出資料的檔案結構，請參閱輸出資料。

若要檢視文字分類標籤工作的輸出資訊清單檔案範例，請參閱分類任務輸出。