Une application web publique recueille de grandes quantités de commentaires d'utilisateurs sous forme de texte libre. Les chefs de produit ont étiqueté un vaste ensemble de données historiques en un ensemble fixe de catégories (par exemple, problèmes d'interface utilisateur, problèmes de performance, demandes de fonctionnalités, problèmes de chat). Un ingénieur ML doit automatiser la classification multi-classes des nouveaux commentaires à l'aide d'Amazon SageMaker. Quel algorithme SageMaker est le plus approprié pour cette tâche ?

L'algorithme SageMaker BlazingText est le plus approprié car il est conçu pour l'apprentissage efficace des plongements de mots et la classification de texte à grande échelle. Il prend en charge la classification de texte en mode "supervised" (supervisé), ce qui est idéal pour cette tâche où un vaste ensemble de données étiquetées est disponible pour entraîner le modèle à classer les commentaires des utilisateurs dans des catégories prédéfinies. L'algorithme Latent Dirichlet Allocation (LDA) et le Neural Topic Model (NTM) sont des algorithmes de modélisation de sujets non supervisés, ce qui signifie qu'ils identifient des sujets dans un corpus de texte sans nécessiter d'étiquettes préalables. Ils ne sont pas adaptés pour une tâche de classification multi-classes supervisée. CatBoost est un algorithme d'apprentissage par gradient boosting qui est excellent pour les données tabulaires, mais moins optimisé pour la classification de texte par rapport à BlazingText.