在瀏覽器即時分析文字情緒！MediaPipe Text Classifier 快速上手指南

什麼是 MediaPipe Text Classifier？

MediaPipe Text Classifier 是 Google AI Edge 旗下 MediaPipe 解決方案的一部分，專為將文本資料自動分類而設計。開發者可以使用它，將輸入的文字歸類到預先定義的類別中，例如判斷文本的情感傾向（正面或負面）。

這項技術基於機器學習模型運作，將文字作為靜態資料處理，並輸出包含各類別及其對應機率分數的結果清單。

目前，MediaPipe Text Classifier 支援在 Web、Android、Python 和 Flutter 等多種平台上部署，實現跨端一致的開發體驗。

為何選擇在瀏覽器上執行情緒分析？

やだやだ絶対やだ!! 解散はいや！ (Mortis/渡瀨結月)

MediaPipe Text Classifier 擁有廣泛的應用場景，包括情感分析、內容分類、意圖識別、有害內容檢測、客戶反饋分類，以及多語言文本處理。 不僅能分析文章、評論或社群貼文的情感傾向，還能自動識別指令意圖，偵測攻擊性或不適當內容，甚至結合語言識別器與文本嵌入器，組建更完整的文字處理流程。 尤其是在瀏覽器端執行，讓情感分析能夠即時、低延遲地完成，適合需要快速回應的應用場景，例如即時客服、社群互動或個人化推薦系統。

MediaPipe Text Classifier 的優勢

MediaPipe Text Classifier 的一大特色是其低代碼、高效率的設計理念。開發者僅需少量程式碼，就能完成過去需要繁複機器學習背景才能實現的文本分析任務，大幅降低技術門檻。 同時，它的機器學習推論流程經過優化，可在 CPU、GPU 甚至 TPU 上進行端到端加速，特別適合對即時性要求高的應用。

此外，分類過程完全在用戶端設備上執行，不僅減少了依賴伺服器的延遲，還強化了使用者隱私保護，因為資料不必上傳到雲端。用戶僅需透過瀏覽器即可使用，無需安裝額外應用或插件，真正做到即點即用。

更進一步，MediaPipe Model Maker 提供了靈活的自訂功能，允許開發者基於自己的資料集訓練專屬模型，滿足特定領域或業務需求。 無論在哪個平台上開發，MediaPipe 任務都遵循統一的結構與風格，極大地降低了跨平台學習與維護成本，提升整體開發效率。

線上體驗範例

為了讓大家能更直觀體驗 MediaPipe Text Classifier 的強大功能，我也特別製作了一個線上示範工具。 您可以直接在瀏覽器中輸入任意文字，立即分析其情感傾向（正面或負面），無需安裝任何額外軟體。

👉 歡迎前往體驗：線上文字情緒分析工具

MediaPipe Text Classifier (Calpa Liu)

詳細步驟

A large machine in a building with a clock on the front of it (Peter Herrmann)

我們可以使用 MediaPipe Text Classifier 來分析文本情緒，例如判斷文本的情感傾向（正面或負面）。

配置選項

MediaPipe Text Classifier 提供多種配置選項來自定義其行為：

初始化分類器

以下是啟動 MediaPipe 文本分類器的步驟：首先，我們使用 FilesetResolver.forTextTasks() 加載必要的 WASM 模組。接著，透過 TextClassifier.createFromOptions() 創建分類器實例，配置預訓練的 BERT 文本分類模型路徑，並將最大結果數設為 3。

const initializeClassifier = async () => {
    const fileset = await FilesetResolver.forTextTasks(
        "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@0.10.22-rc.20250304/wasm"
    );
    textClassifier.value = await TextClassifier.createFromOptions(fileset, {
        baseOptions: {
            modelAssetPath:
                "https://storage.googleapis.com/mediapipe-tasks/text_classifier/bert_text_classifier.tflite",
        },
        maxResults: 3,
    });
    isWASMReady.value = true;
};

執行分類任務

以下是執行文本分類的步驟：首先，我們檢查分類器是否已初始化。接著，使用 textClassifier.value.classify() 方法對輸入文本進行分類，返回分類結果。

const classifyInputText = async () => {
    if (!textClassifier.value) {
        return;
    }

    const classificationResult: ClassificationResult = await textClassifier.value.classify(inputText.value);

    console.log(JSON.stringify(classificationResult, null, 2));

    classificationResult.classifications.forEach((classification) =>
        classification.categories.forEach((category) => {
            if (category.categoryName === "positive") {
                positiveScore.value = Number(category.score.toFixed(2));
            } else if (category.categoryName === "negative") {
                negativeScore.value = Number(category.score.toFixed(2));
            }
        })
    );
};

結論

A panorama view of Monaco (Tom S)

MediaPipe Text Classifier 是一款功能強大且靈活的工具，專為高準確度的文本分類而設計。透過 Vue.js 範例，我們瞭解到其實現簡單、易於集成，同時具備專業級的文本分析功能。這使得開發者能夠輕鬆將情感分析、內容分類及意圖識別等多種文本處理功能集成到應用中，提供高效的跨平台解決方案。

憑藉預訓練模型和自定義配置選項，MediaPipe Text Classifier 不僅提升了用戶體驗，還擴展了應用的功能。隨著自然語言處理技術的進步，該工具將不斷演化，提供更強大和精確的分析能力，為開發者開創更多可能性，並推動創新應用的發展。