Connecting Word Files with AI Models

Kaip integruoti žodžių dokumentus su mašinų mokymosi modeliais naudojant Aspose.Words

Integruojant „Word“ dokumentus su mašinų mokymosi (ML) modeliais leidžiama pažangių duomenų analizė, pavyzdžiui, jausmų analizės, klasifikavimo ar turinio apibendrinimo. Aspose.Words .NET , galite programuojamai ištraukti turinį ir maitinti jį „ML“ vamzdžiais protingo apdorojimo tikslais.

Reikalavimai: Įrankiai, kaip integruoti Word dokumentus su ML modeliais

  • Įdiegti į Žymės: SDK Jūsų operacinei sistemai.
  • Įveskite Aspose.Words į savo projektą:dotnet add package Aspose.Words
  • Sukurkite mašinų mokymosi sistemą, pvz., ML.NET, TensorFlow arba PyTorch modelio integracijai.

Žingsnis po žingsnio vadovas, kaip integruoti Word dokumentus su ML modeliais

1 žingsnis: Atsisiųskite žodžio dokumentą analizei 

using System;
using Aspose.Words;

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

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

** paaiškinimas:** Šis kodas įkelia nurodytą žodžio dokumentą į atmintį.

2 žingsnis: teksto turinio ekstraktas iš žodžio dokumento 

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);
    }
}

** paaiškinimas:** Šis kodas išgauna visą teksto turinį iš įkeltos „Word“ dokumentų.

3 žingsnis: iš anksto apdoroti išvestus tekstinius duomenis 

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);
    }
}

Paaiškinimas: Šis kodas rodo, kad pagrindinis tekstas yra iš anksto apdorojamas pašalinant papildomas erdves ir konvertuojant tekstą į apačią.

4 žingsnis: pradėti ir įkrauti mašinų mokymosi modelį 

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.");
    }
}

Paaiškinimas: Šis kodas inicijuoja ML.NET kontekstą ir įkrauna iš anksto apmokytą mašinų mokymosi modelį.

5 žingsnis: sukurkite duomenų peržiūrą ML modeliui 

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.");
    }
}

Paaiškinimas: Šis kodas sukuria duomenų vaizdą iš iš anksto apdoroto teksto, kurį ML modelis naudoja prognozėms.

6 žingsnis: sukurkite ML modelio prognozavimo variklį 

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.");
    }
}

Paaiškinimas: Šis kodas sukuria prognozavimo variklį, kuris leidžia jums daryti prognozes su įkrovtu ML modeliu.

7 žingsnis: padaryti prognozes naudojant ML modelį 

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}");
    }
}

** paaiškinimas:** Šis kodas naudoja prognozavimo variklį, kad būtų galima atlikti prognozę, pagrįstą įvedimo duomenimis.

8 žingsnis: Pridėti prognozavimo rezultatus prie žodžio dokumento 

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.");
    }
}

Paaiškinimas: Šis kodas prideda prognozavimo rezultatą prie žodžio dokumento pabaigos.

9 žingsnis: išsaugoti pakeistą žodžio dokumentą 

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.");
    }
}

Paaiškinimas: Šis kodas išsaugo modifikuotą „Word“ dokumentą su pridėtais prognozavimo rezultatais.

Tikrojo pasaulio programos „Word Document“ ir „ML“ integracijai

  • Sentimentų analizė- Analizuoti klientų atsiliepimus arba apklausos atsakymus, saugomus “Word” dokumentuose.

  • • Turinio klasifikacija *:- Klasifikuokite dokumentus į iš anksto apibrėžtas kategorijas geresnei organizacijai.

  • Sumažinimas ir įžvalgos :- Sukurkite santraukas ar pagrindinius įrašus iš ilgų ataskaitų.

Įdiegimo scenarijai dokumentams ir ML integracijai

  • Vidiniai įrankiai:- Sukurkite įrankius, kad galėtumėte analizuoti vidaus dokumentus ir suteikti komandoms veiksmingą supratimą.

  • „SaaS“ platformos:- Siūlome AI orientuotą dokumentų analizę kaip funkciją programinės įrangos taikomosiose programose.

Bendrosios problemos ir fiksacijos dokumentams ir ML integracijai

  • ** Duomenų triukšmas išvestame tekste** :- Naudokite pažangias išankstinio apdorojimo technologijas, tokias kaip balsavimas arba žodžio pašalinimas.

  • ** Nepatvirtintos failų formatos** :- Užtikrinti įvedimo dokumentai pateikiami remiamu formatu (pavyzdžiui, DOCX).

  • ** Modelio prognozavimo klaidos** :- Išbandykite ML modelį su įvairiais duomenų rinkiniais, kad pagerintumėte tikslumą.

Derinant „Aspose.Words“ su mašinų mokymosi modeliais, galite atverti pažangius dokumentų apdorojimo gebėjimus, kad duomenų valdymas būtų veiksmingesnis.

 Lietuvių