Classify()
Classify this text against ARBITRARY candidate labels with no training: rank each label by how closely its MEANING matches the text (embedding cosine when a model is loaded, else lexical). Pass richer label strings (e.g. "about sports") for sharper separation. Classify(labels) -- ranked [label, score] pairs, most similar first (DATA).
aussi écrite: ClassificationOf
Exemples de base (1)
t = new stzText("the stock market prices fell sharply on wall street today")
# ClassifiedAs picks the closest label
? t.ClassifiedAs([ "market finance", "cooking food" ])
# Classify returns ranked [label, score] pairs, best first
? t.Classify([ "market finance", "cooking food" ])[1][1]
# Classify keeps all labels
? len(t.Classify([ "market finance", "cooking food", "space travel" ]))
# ClassifyQ is the basic stzList
? classname(t.ClassifyQ([ "a", "b" ]))
# ClassifyQQ is stzListOfPairs
? classname(t.ClassifyQQ([ "a", "b" ]))
# a non-list of labels is rejected
? @@(t.Classify("not a list"))market finance market finance 3 stzlist stzlistofpairs [ ]
exécuté le 2026-10-02 04:23 dans la bibliothèque au commit 0e72e2e2c ; tiré de text_query_layer_narrated.ring(s'ouvre dans un nouvel onglet)
Les extensions de cette méthode
Chaque extension, et si elle existe pour cette méthode ; une extension qui existe se compose avec les autres (FindSTCS).
Chaque exemple est un fichier de test de la bibliothèque, exécuté dans la bibliothèque pour cette page ; seuls ceux dont la sortie a tenu toutes les promesses écrites par leur fichier sont montrés. Les explications, les titres et le code sont ceux de la bibliothèque, en anglais.
Voir aussi
- La classe stzText
- La référence du domaine : Traitement du langage et linguistique
- Les autres méthodes de ces exemples : stzText.ClassifiedAs

