google-cloud-nl - Google AutoML 自然语言多标签文本分类的输入数据集格式

Question

对于 Google AutoML Natural Language 多标签文本分类，输入数据集的格式应该是什么？我知道对于多类分类，我需要一列文本和另一列标签。标签列每行包含一个标签。

我每个文本都有多个标签，我想做多标签分类。我尝试为每个标签设置一列和单热编码，但我收到此错误消息:最多支持 1000 个标签。找到 9823 个标签。

Answer 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，如:

文本 1、标签 1、标签 2
文本 2，标签 2
文本 3、标签 3、标签 2、标签 1

解析器无法理解将 NULL 单元格保存为标准 CSV 文件的表格，例如:

text1, label1, label2,
文本 2、标签 2、、
文本 3、标签 3、标签 2、标签 1

我不得不从 Pandas 生成的 CSV 文件中手动删除多余的逗号。