Herkese açık bir web uygulaması, çok miktarda serbest metin kullanıcı geri bildirimi toplar. Ürün yöneticileri, büyük bir geçmiş veri kümesini sabit bir kategori kümesine (örneğin, UI sorunları, performans sorunları, özellik istekleri, sohbet sorunları) etiketlemiştir. Bir ML mühendisinin, Amazon SageMaker kullanarak yeni geri bildirimlerin çok sınıflı sınıflandırmasını otomatikleştirmesi gerekmektedir. Bu görev için en uygun SageMaker algoritması hangisidir?

Doğru cevap, metin sınıflandırma görevleri için optimize edilmiş BlazingText algoritmasıdır. BlazingText, kelime gömme (word embeddings) ve hızlı metin sınıflandırması yaparak büyük metin veri kümelerini verimli bir şekilde işler. Bu senaryoda, serbest metin geri bildirimlerini önceden tanımlanmış kategorilere ayırmak için idealdir. LDA ve NTM, konu modellemesi için kullanılır, yani metinlerdeki gizli konuları keşfederler, ancak belirli kategorilere sınıflandırma yapmazlar. CatBoost ise yapısal veriler (tablosal veriler) için tasarlanmış bir gradyan artırma algoritmasıdır ve metin sınıflandırması için doğrudan uygun değildir.