.API Klasifikasi Teks & Dokumen .NET

Berdayakan aplikasi .NET Anda dengan kemampuan Pengklasifikasi File & Teks menggunakan tag atau kategori yang telah ditentukan sebelumnya dalam taksonomi IAB-2, Dokumen, dan Sentimen.


Unduh Uji Coba Gratis

GroupDocs.Classification for .NET adalah C# Netstandard 2.0 API intuitif yang membantu Anda membuat aplikasi klasifikasi/kategorisasi teks dan dokumen yang kuat di C#, ASP.NET, dan teknologi berbasis .NET lainnya. API mendukung empat jenis taksonomi yang berbeda dan menawarkan klasifikasi dokumen dan teks tingkat lanjut dengan menggunakan IAB-2 untuk menetapkan kategori teks standar, Taksonomi dokumen yang dikembangkan oleh Aspose untuk berbagai jenis dokumen, atau Sentimen (dan Sentimen3) untuk analisis sentimen. API menganalisis teks, kalimat, bahkan kata-kata dan mendukung klasifikasi berbagai format dokumen standar industri termasuk PDF, Microsoft Word, OpenDocument, RTF, dan TXT. Analisis sentimen (klasifikasi) mendukung bahasa Inggris, Cina, Spanyol, dan Jerman dengan deteksi otomatis bahasa. API dapat mengembalikan probabilitas positif yang dapat digunakan untuk analisis sentimen berbutir halus di C#.

GroupDocs.Classification untuk .NET menggunakan mesin pengolah/klasifikasi dokumennya sendiri dan tidak memerlukan alat eksternal apa pun untuk diinstal pada sistem. Ini menargetkan platform .NET untuk mengembangkan aplikasi dan mendukung semua sistem operasi populer (Windows, Linux, macOS) di mana kerangka kerja .NET (termasuk .NET Core) dapat diinstal.

Fitur API Klasifikasi Teks & Dokumen Tingkat Lanjut

Klasifikasi Dokumen yang Tepat

GroupDocs.Classification API mendukung klasifikasi untuk berbagai format dokumen. Contoh kode C# di bawah ini menunjukkan cara mengklasifikasikan file PDF dari folder saat ini dengan taksonomi Dokumen dengan mengembalikan 3 hasil terbaik.

// Inisialisasi pengklasifikasi tujuan umum (IAB-2, Dokumen, Analisis Sentimen).
var classifier = new GroupDocs.Classification.Classifier();

// Klasifikasikan file pdf dengan taksonomi Dokumen dan kembalikan 3 kategori yang paling mungkin.
var response = classifier.Classify("document.pdf", ".", 3, Taxonomy.Documents);
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

Klasifikasi Teks Tepat

GroupDocs.Classification API juga mendukung klasifikasi teks. Klasifikasi teks dapat dilakukan dengan 4 taksonomi yang berbeda: IAB-2, Documents, Sentiment, dan Sentiment3. Contoh kode C# di bawah ini menunjukkan cara mengklasifikasikan teks dengan taksonomi default (IAB-2) dengan mengembalikan hasil terbaik.

// Inisialisasi pengklasifikasi tujuan umum (IAB-2, Dokumen, Analisis Sentimen).
var classifier = new GroupDocs.Classification.Classifier();

// Mengklasifikasikan teks dengan taksonomi IAB-2 dan mengembalikan kategori terbaik.
var response = classifier.Classify("Classify text using the default IAB-2 taxonomy");
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

Analisis Sentimen Multibahasa yang Tepat

GroupDocs.Classification untuk .NET memungkinkan untuk melakukan Analisis Sentimen (Klasifikasi) lintas domain dalam bahasa Inggris, Cina, Spanyol, dan Jerman. GroupDocs.Classification untuk .NET akan mendeteksi bahasa yang sesuai secara otomatis. Kasus penggunaan API analisis sentimen diilustrasikan oleh kode C# berikut:

// Inisialisasi pengklasifikasi sentimen multibahasa lintas domain. 
// SentimentClassifier mendukung klasifikasi multibahasa dengan bahasa Inggris, Cina, Spanyol, dan Jerman.
var classifier = new GroupDocs.Classification.SentimentClassifier();

// Analisis sentimen dari teks bahasa Inggris.
var response = classifier.Classify("Experience is simply the name we give our mistakes");
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

// Analisis sentimen dari teks Cina dengan pengklasifikasi dan taksonomi Sentimen3 yang sama (Negatif/Netral/Positif).
response = classifier.Classify("熟能生巧", taxonomy: Taxonomy.Sentiment3);
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

Dukungan dan Sumber Belajar

Back to top
 Indonesian