前言
上一篇【iOS使用CoreML来分类垃圾信息】文章中用的是英文语料，而苹果的文本分类其实是支持多语言的，而中文的训练在国内更具实用价值，所以本文介绍如何针对中文语料进行训练。
使用的数据来自汽车论坛的评论，有9000+条数据，已经进行了标记。
构建模型
使用的原始数据格式如下，包含评论和已经标记的主题、ID、观点等，我们模型只使用了评论和主题：
train.csv
模型训练：
import Cocoa
import CreateML
import NaturalLanguage
let data = try MLDataTable(contentsOf: URL(fileURLWithPath: "/Users/Jiao/Desktop/SecurityKeeper/CommentClassify/data.json"))
var (trainData, testData) = data.randomSplit(by: 0.8, seed: 5);
let param = MLTextClassifier.ModelParameters(validationData: testData, algorithm: MLTextClassifier.ModelAlgorithmType.maxEnt(revision: 1), language: NLLanguage.simplifiedChinese)
let commentClassifier = try MLTextClassifier(trainingData: data, textColumn: "content", labelColumn: "subject", parameters: param)
let evalMetrics = commentClassifier.evaluation(on: testData)
let evalAcc = 1 - evalMetrics.classificationError
print(evalAcc)
let metadata = MLModelMetadata(author: "Jiao", shortDescription: "comment classify", license: "MIT", version: "1.0", additional: nil)
try commentClassifier.write(to: URL(fileURLWithPath: "/Users/Jiao/Desktop/SecurityKeeper/CommentClassify/mlmodel/classifier.mlmodel"), metadata: metadata)
这里原始数据的中文中有很多格式是CreateML无法处理的，如果不清洗的话会卡在文本映射向量阶段，而且内存会一直上涨，有其他帖子说中文训练很耗内存可能就是这个原因。最后我将数据中部分格式清洗过后就能正常训练，9000多条评论训练速度也就几十秒还是可以接受。
模型使用
有了模型后使用就很简单了，跟英文语料生成模型使用一样，导入mlmodel后，xcode会自动生成类和接口函数。
代码如下：
//
// MainTableViewController.m
// CarComment
//
// Created by Jiao Liu on 6/20/19.
// Copyright © 2019 ChangHong. All rights reserved.
//
#import "MainTableViewController.h"
#import "classifier.h"
@interface MainTableViewController () {
NSMutableArray *data;
classifier *model;
}
@end
@implementation MainTableViewController
- (void)viewDidLoad {
[super viewDidLoad];
data = [NSMutableArray arrayWithObjects:@"这玩意都是给有钱任性又不懂车的土豪用的，这价格换一次我妹夫EP020可以换三锅了",
@"听过，价格太贵，但一直念念不忘",
@"说实话，基本上用不上车上导航，用手机更方便！音响效果不用纠结，毕竟不是想成为移动音乐厅。",
@"换4条静音轮胎才是正道",
@"2.0 平均油耗10个 不到四千公里",
@"同样的颜色 你们觉得是16款好看还是19款好看",
@"女孩子打算买国六1.5t中配，12万多，首付20％不到3万，上路5万左右，分4年，一月还2500左右。贵吗？",
@"我想问一下 16寸轮毂要比17寸轮毂小，那车子底盘离地面的距离是不是16寸的比17寸的还要矮上很多？？？",
@"这车没有自动落锁吗",
@"想要动力强提速快就菲斯塔 情怀就思域 我们开本田125长大的就是喜欢买本田",
nil];
model = [[classifier alloc] init];
self.tableView.allowsSelection = NO;
}
#pragma mark - Table view data source
- (NSInteger)numberOfSectionsInTableView:(UITableView *)tableView {
return 1;
}
- (NSInteger)tableView:(UITableView *)tableView numberOfRowsInSection:(NSInteger)section {
return data.count;
}
- (UITableViewCell *)tableView:(UITableView *)tableView cellForRowAtIndexPath:(NSIndexPath *)indexPath {
UITableViewCell *cell = [tableView dequeueReusableCellWithIdentifier:@"Cell" forIndexPath:indexPath];
NSString *comment = [data objectAtIndex:indexPath.row];
cell.textLabel.text = comment;
cell.textLabel.numberOfLines = 0;
cell.detailTextLabel.text = [[model predictionFromText:comment error:nil] label];
return cell;
}
- (IBAction)AddClicked:(id)sender {
UIAlertController *alert = [UIAlertController alertControllerWithTitle:@"New Post" message:nil preferredStyle:UIAlertControllerStyleAlert];
UIAlertAction *action = [UIAlertAction actionWithTitle:@"cancel" style:UIAlertActionStyleCancel handler:nil];
[alert addAction:action];
[alert addTextFieldWithConfigurationHandler:^(UITextField * _Nonnull textField) {
textField.clearButtonMode = UITextFieldViewModeWhileEditing;
}];
UIAlertAction *confirm = [UIAlertAction actionWithTitle:@"confirm" style:UIAlertActionStyleDefault handler:^(UIAlertAction * _Nonnull action) {
NSString *newComment = alert.textFields.firstObject.text;
if (newComment.length != 0) {
[self->data insertObject:newComment atIndex:0];
[self.tableView reloadData];
[self.tableView scrollToRowAtIndexPath:[NSIndexPath indexPathForRow:0 inSection:0] atScrollPosition:UITableViewScrollPositionTop animated:YES];
}
}];
[alert addAction:confirm];
[self presentViewController:alert animated:YES completion:nil];
}
@end
运行效果
源码地址：https://github.com/JiaoLiu/CommentClassify 🏎️
demo.gif
