Connecting Word Files with AI Models

워드 문서를 Aspose.Words를 사용하여 머신 러닝 모델과 통합하는 방법

기계 학습 (ML) 모델과 Word 문서를 통합하면 감정 분석, 분류 또는 콘텐츠 요약과 같은 고급 데이터 분석이 가능합니다. Aspose.Words for .NET를 사용하면 콘텐츠를 프로그래밍적으로 추출하고 똑똑한 처리를 위해 ML 파이프에 공급할 수 있습니다.

원칙: ML 모델과 Word 문서를 통합하는 도구

  • 설치할 수 있는 넷 SDK 당신의 운영 체제에 대 한.
  • 프로젝트에 Aspose.Words를 추가하십시오 :dotnet add package Aspose.Words
  • 모델 통합을 위해 ML.NET, TensorFlow 또는 PyTorch와 같은 기계 학습 프레임 워크를 설정합니다.

ML 모델과 Word 문서를 통합하는 단계별 가이드

단계 1 : 분석을 위해 Word 문서를 업로드합니다. 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        string filePath = "DocumentForAnalysis.docx";
        Document doc = new Document(filePath);

        Console.WriteLine("Document loaded successfully.");
    }
}

설명: 이 코드는 지정된 Word 문서를 메모리로 업로드합니다.

단계 2: Word 문서에서 텍스트 콘텐츠를 추출 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        Document doc = new Document("DocumentForAnalysis.docx");
        string text = doc.GetText();

        Console.WriteLine("Extracted Text:");
        Console.WriteLine(text);
    }
}

설명: 이 코드는 충전된 Word 문서에서 모든 텍스트 콘텐츠를 추출합니다.

단계 3: 추출 된 텍스트 데이터를 사전 처리 

using System;
using System.Linq;

class Program
{
    static void Main()
    {
        string rawText = "  This is a SAMPLE text for analysis. ";
        string processedText = string.Join(" ", rawText.Split().Select(word => word.ToLower()));

        Console.WriteLine("Preprocessed Text:");
        Console.WriteLine(processedText);
    }
}

설명: 이 코드는 추가 공간을 제거하여 기본 텍스트 사전 처리를 보여주고 텍스트를 밑바닥으로 변환합니다.

단계 4 : 기계 학습 모델을 시작하고 업로드합니다. 

using System;
using Microsoft.ML;

class Program
{
    static void Main()
    {
        var mlContext = new MLContext();
        ITransformer model = mlContext.Model.Load("SentimentAnalysisModel.zip", out _);

        Console.WriteLine("ML Model Loaded.");
    }
}

설명: 이 코드는 ML.NET 컨텍스트를 시작하고 사전 훈련 된 기계 학습 모델을 업로드합니다.

5단계: ML 모델에 대한 데이터 보기 만들기 

using System;
using Microsoft.ML;

class Program
{
    static void Main()
    {
        var mlContext = new MLContext();
        string preprocessedText = "this is a sample text for analysis";
        var data = new[] { new { Text = preprocessedText } };
        var dataView = mlContext.Data.LoadFromEnumerable(data);

        Console.WriteLine("Data View Created.");
    }
}

설명: 이 코드는 미리 처리 된 텍스트에서 데이터 시각을 생성하며, ML 모델은 예측을 위해 사용합니다.

단계 6: ML 모델에 대한 예측 엔진 만들기 

using System;
using Microsoft.ML;

class Program
{
    static void Main()
    {
        var mlContext = new MLContext();
        ITransformer model = mlContext.Model.Load("SentimentAnalysisModel.zip", out _);
        var predictionEngine = mlContext.Model.CreatePredictionEngine<InputData, PredictionResult>(model);

        Console.WriteLine("Prediction Engine Created.");
    }
}

설명: 이 코드는 충전된 ML 모델을 사용하여 예측할 수 있는 예측 엔진을 만듭니다.

단계 7 : ML 모델을 사용하여 예측을 만드십시오. 

using System;
using Microsoft.ML;
using System.Linq;

class Program
{
    // Define the input schema
    public class InputData
    {
        public string Text { get; set; }
    }

    // Define the output schema
    public class PredictionResult
    {
        public bool PredictedLabel { get; set; }
        public float Probability { get; set; }
        public float Score { get; set; }
    }

    static void Main()
    {
        var mlContext = new MLContext();
        string preprocessedText = "this is a sample text for analysis";

        // Load the model
        ITransformer model = mlContext.Model.Load("SentimentAnalysisModel.zip", out _);

        // Create a prediction engine
        var predictionEngine = mlContext.Model.CreatePredictionEngine<InputData, PredictionResult>(model);

        // Prepare input
        var input = new InputData { Text = preprocessedText };

        // Make a prediction
        var prediction = predictionEngine.Predict(input);

        // Output the result
        Console.WriteLine($"Predicted Sentiment: {prediction.PredictedLabel}, Probability: {prediction.Probability}, Score: {prediction.Score}");
    }
}

설명: 이 코드는 예측 엔진을 사용하여 입력 데이터를 기반으로 예측을 수행합니다.

단계 8 : 예측 결과를 Word 문서에 추가합니다. 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        Document doc = new Document("DocumentForAnalysis.docx");
        DocumentBuilder builder = new DocumentBuilder(doc);
        builder.MoveToDocumentEnd();
        builder.Writeln("Predicted Sentiment: Positive");

        Console.WriteLine("Prediction Results Added to Document.");
    }
}

설명: 이 코드는 예측 결과를 Word 문서의 끝에 추가합니다.

단계 9 : 수정된 단어 문서를 저장 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        Document doc = new Document("DocumentForAnalysis.docx");
        DocumentBuilder builder = new DocumentBuilder(doc);
        builder.MoveToDocumentEnd();
        builder.Writeln("Predicted Sentiment: Positive");
        doc.Save("DocumentWithAnalysis.docx");

        Console.WriteLine("Document Saved.");
    }
}

설명: 이 코드는 추가 예측 결과와 함께 수정된 Word 문서를 저장합니다.

Word 문서 및 ML 통합을 위한 실제 세계 응용 프로그램

  • 감정 분석:- Word 문서에 저장된 고객 피드백 또는 설문 조사 응답을 분석합니다.

  • 컨텐츠 분류:- 더 나은 조직을 위해 문서를 사전에 정의된 범주로 분류합니다.

  • 요약 및 인식:- 긴 보고서에서 요약 또는 핵심 요약을 생성합니다.

문서 및 ML 통합을위한 실행 시나리오

  • 내부 도구:- 내부 문서를 분석하고 팀에 실행 가능한 인식을 제공하기위한 도구를 구축합니다.

  • SaaS 플랫폼:- AI 기반 문서 분석을 소프트웨어 응용 프로그램의 특징으로 제공합니다.

문서 및 ML 통합에 대한 일반적인 문제 및 고정

  • 추출된 텍스트에 있는 데이터 소음:- 고급 사전 처리 기술을 사용 하 여 투표 또는 멈추는 단어 제거.

  • 지원되지 않은 파일 형식:- 보장 입력 문서는 지원되는 형식으로 제공됩니다 (예 : DOCX).

  • 모델 예측 오류:- 정확성을 향상시키기 위해 다양한 데이터 세트로 ML 모델을 테스트합니다.

Aspose.Words와 기계 학습 모델을 결합함으로써 지능형 문서 처리 기능을 해제하여 데이터 기반 결정을 더 효율적으로 할 수 있습니다.

 한국어