.NET 文本和文档分类 API

使用 IAB-2、文档和情感分类法中的预定义标签或类别,为您的 .NET 应用程序提供文件和文本分类器功能.


下载免费试用版

GroupDocs.Classification for .NET 是一个直观的 C# Netstandard 2.0 API,可帮助您使用 C#、ASP.NET 和其他基于 .NET 的技术创建功能强大的文本和文档分类/分类应用程序。 API 支持四种不同类型的分类法,并通过使用 IAB-2 分配标准化文本类别、Aspose 为不同文档类型开发的文档分类法或用于情感分析的 Sentiment(和 Sentiment3)提供高级文档和文本分类。 API 分析文本、句子甚至单词,并支持对各种行业标准文档格式进行分类,包括 PDF、Microsoft Word、OpenDocument、RTF 和 TXT。情感分析(分类)支持英语、汉语、西班牙语和德语语言自动检测。 API 可以返回积极性概率,可用于 C# 中的细粒度情感分析。

GroupDocs.Classification for .NET 使用自己的文档处理/分类引擎,不需要在系统上安装任何外部工具。它以 .NET 平台为目标开发应用程序,并支持所有可以安装 .NET 框架(包括 .NET Core)的流行操作系统(Windows、Linux、macOS)。

高级文本和文档分类 API 功能

使用 IAB‑2DocumentsSentimentSentiment3 分类法按路径对文档进行分类

使用 IAB‑2DocumentsSentimentSentiment3 分类法执行原始文本分类

英语、汉语、西班牙语和德语的情绪分类(分析)

选择要返回的分类结果的数量

处理 PDF、Docs、OpenOffice 和 Rich Text 文档

提供 100% 工作示例和演示,以快速了解支持的功能

通过产品论坛提供无限制的免费技术支持

精确的文件分类

GroupDocs.Classification API 支持多种文档格式的分类。下面的 C# 代码示例显示了如何通过返回 3 个最佳结果来使用 Documents 分类对当前文件夹中的 PDF 文件进行分类。

// 初始化通用分类器(IAB-2、文档、情感分析
var classifier = new GroupDocs.Classification.Classifier();

// 使用 Documents taxonomy 对 pdf 文件进行分类并返回 3 个最可能的类别
var response = classifier.Classify("document.pdf", ".", 3, Taxonomy.Documents);
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

精确的文本分类

GroupDocs.Classification API 也支持文本分类。可以使用 4 种不同的分类法执行文本分类:IAB-2、Documents、Sentiment 和 Sentiment3。下面的 C# 代码示例显示了如何通过返回最佳结果来使用默认 (IAB-2) 分类法对文本进行分类。

// 初始化通用分类器(IAB-2、文档、情感分析)
var classifier = new GroupDocs.Classification.Classifier();

// 使用 IAB-2 分类法对文本进行分类并返回最佳类别
var response = classifier.Classify("Classify text using the default IAB-2 taxonomy");
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

精确的多语言情感分析

GroupDocs.Classification for .NET 允许以英语、中文、西班牙语和德语执行跨域情感分析(分类)。 GroupDocs.Classification for .NET 将自动检测正确的语言。以下 C# 代码说明了情感分析 API 用例:

// 初始化跨域多语言情感分类器
// SentimentClassifier 支持英语、汉语、西班牙语和德语的多语言分类
var classifier = new GroupDocs.Classification.SentimentClassifier();

// 英文文本的情感分析
var response = classifier.Classify("Experience is simply the name we give our mistakes");
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

// 具有相同分类器和 Sentiment3 (Negative / Neutral / Positive) 分类法的中文文本的情感分析
response = classifier.Classify("熟能生巧", taxonomy: Taxonomy.Sentiment3);
Console.WriteLine($"{response.BestClassName}: {response.BestClassProbability}");

支持和学习资源

Back to top
Zh