As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Classificar texto com classificação de texto (Rótulo Único)
Para categorizar artigos e texto em categorias predefinidas, use a classificação de texto. Por exemplo, você pode usar a classificação de texto para identificar o sentimento transmitido em uma revisão ou a emoção implícita em uma seção de texto. Use a classificação de texto Amazon SageMaker Ground Truth para que os funcionários classifiquem o texto em categorias definidas por você. Você cria um trabalho de rotulagem de classificação de texto usando a seção Ground Truth do console Amazon SageMaker AI ou a [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)operação.
**Importante**
Se você criar manualmente um arquivo de manifesto de entrada, use `"source"` para identificar o texto que você deseja rotular. Para obter mais informações, consulte [Dados de entrada](sms-data-input.md).
## Criar um trabalho de rotulagem de classificação de texto (Console)
Você pode seguir as instruções [Criar um trabalho de rotulagem (console)](sms-create-labeling-job-console.md) para aprender como criar um trabalho de rotulagem de classificação de texto no console de SageMaker IA. Na Etapa 10, escolha **Texto** no menu suspenso **Categoria de tarefa** e **Classificação de texto (Único rótulo)** como o tipo de tarefa.
O Ground Truth fornece uma interface de usuário do operador que se parece com a seguinte para tarefas de rotulagem: Ao criar o trabalho de rotulagem com o console, você especifica instruções para ajudar os operadores a concluírem o trabalho e os rótulos que eles podem escolher.
## Criar um trabalho de rotulagem de classificação de texto (API)
Para criar um trabalho de rotulagem de classificação de texto, use a operação SageMaker da API`CreateLabelingJob`. Essa API define essa operação para todos AWS SDKs. Para ver uma lista de idiomas específicos com SDKs suporte para essa operação, **consulte a seção Consulte também** do. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)
Siga as instruções em [Criar um trabalho de rotulagem (API)](sms-create-labeling-job-api.md) e faça o seguinte enquanto você configura a solicitação:
+ As funções do Lambda de pré-anotação para esse tipo de tarefa terminam com `PRE-TextMultiClass`. Para encontrar a pré-anotação Lambda ARN para sua região, consulte. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)
+ As funções do Lambda de consolidação de anotações para esse tipo de tarefa terminam com `ACS-TextMultiClass`. Para encontrar o ARN Lambda de consolidação de anotações para sua região, consulte. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)
Veja a seguir um exemplo de uma [solicitação do SDK Python (Boto3) da AWS](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) para criar um trabalho de rotulagem de dados automatizada na região Leste dos EUA (Norte da Virgínia). Todos os parâmetros em vermelho devem ser substituídos por suas especificações e recursos.
```
response = client.create_labeling_job(
LabelingJobName={{'example-text-classification-labeling-job}},
LabelAttributeName={{'label'}},
InputConfig={
'DataSource': {
'S3DataSource': {
'ManifestS3Uri': {{'s3://bucket/path/manifest-with-input-data.json'}}
}
},
'DataAttributes': {
'ContentClassifiers': [
{{'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent'}},
]
}
},
OutputConfig={
'S3OutputPath': {{'s3://bucket/path/file-to-store-output-data'}},
'KmsKeyId': {{'string'}}
},
RoleArn={{'arn:aws:iam::*:role/*}},
LabelCategoryConfigS3Uri={{'s3://bucket/path/label-categories.json'}},
StoppingConditions={
'MaxHumanLabeledObjectCount': {{123}},
'MaxPercentageOfInputDatasetLabeled': {{123}}
},
HumanTaskConfig={
'WorkteamArn': {{'arn:aws:sagemaker:region:*:workteam/private-crowd/*'}},
'UiConfig': {
'UiTemplateS3Uri': {{'s3://bucket/path/worker-task-template.html'}}
},
'PreHumanTaskLambdaArn': 'arn:aws:lambda:{{us-east-1:432418664414}}:function:PRE-TextMultiClass,
'TaskKeywords': [
{{Text classification'}},
],
'TaskTitle': {{Text classification task'}},
'TaskDescription': {{'Carefully read and classify this text using the categories provided.'}},
'NumberOfHumanWorkersPerDataObject': {{123}},
'TaskTimeLimitInSeconds': {{123}},
'TaskAvailabilityLifetimeInSeconds': {{123}},
'MaxConcurrentTaskCount': {{123}},
'AnnotationConsolidationConfig': {
'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:{{us-east-1:432418664414}}:function:ACS-TextMultiClass'
},
Tags=[
{
'Key': {{'string'}},
'Value': {{'string'
}} },
]
)
```
### Fornecer um modelo para trabalhos de rotulagem de classificação de texto
Se você criar um trabalho de rotulagem usando a API, será necessário fornecer um modelo de tarefas de operador em `UiTemplateS3Uri`. Copie e modifique o modelo a seguir. Modifique somente [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions), [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions) e `header`.
Faça upload deste modelo para o S3 e forneça o URI do S3 para este arquivo em `UiTemplateS3Uri`.
```
{{ task.input.taskObject }}
Read the text carefully.
Read the examples to understand more about the options.
Choose the appropriate labels that best suit the text.
Enter description of the labels that workers have to choose from
Add examples to help workers understand the label
```
## Dados de saída de classificação de texto
Depois de criar um trabalho de rotulagem de classificação de texto, seus dados de saída serão localizados no bucket do Amazon S3 especificado no parâmetro `S3OutputPath` ao usar a API ou no campo **Local do conjunto de dados** de saída da seção **Visão geral do trabalho** do console.
Para saber mais sobre o arquivo manifesto de saída gerado pelo Ground Truth, e sobre a estrutura do arquivo que o Ground Truth usa para armazenar os dados de saída, consulte [Rotulando dados de saída do trabalho](sms-data-output.md).
Para ver um exemplo de arquivo manifesto de saída de um trabalho de rotulagem de classificação de texto, consulte [Saída do trabalho de classificação](sms-data-output.md#sms-output-class).