blockaero/classify-fasttext

概述

本镜像支持文本文件的分类功能。分类时需注意所使用的标签数量，截至2018年12月13日共使用9个标签，需在Dockerfile中设置环境变量NUMBER_OF_LABELS=9。分类模型基于大量ARC文档训练，对ARC类文档有偏向性：若输入文档为ARC类型，分类概率接近100%；若概率低于1，则通常判定为UNKNOWN。

核心功能

1. 文本文件分类：返回输入文本属于各标签类别的概率
2. 自定义策略支持：通过添加strategy:{}请求头，可跳过pipeline链式操作
3. 异步接口测试：开发环境暴露异步函数接口，便于单独测试分类功能

使用场景

适用于需要自动识别文档类型的场景，例如：

• 企业文档管理系统中的文档分类
• 数据处理pipeline中的文档类型识别环节
• 自动化办公流程中的文档归类

配置说明

1. 环境变量设置：在Dockerfile中配置ENV NUMBER_OF_LABELS=9以匹配当前标签数量
2. 部署环境差异：生产环境通过编排覆盖网络协调；开发环境暴露异步函数接口（仅开发环境可用）

部署与测试示例

修改并重新部署服务

bash
./deploy.sh DEV classify-fasttext

测试端点（不启动整个pipeline）

添加strategy:{}请求头可跳过链式操作：

开发环境测试

bash
arc="$(cat sample_arc.txt)"
# 仅上传文档，不执行后续步骤
curl -v http://localhost/async-function/classify-fasttext \
       -d "$(echo "$arc")"  \
       -H "page:1" \
       -H "X-Callback-Url: http://webhook/" \
       -H "X-Api-Key:$api_key"

预期响应

json
{
  "action": "classify",
  "endpoint": "classify-fasttext",
  "page": 1,
  "result": {
    "classification": ["ARC"],
    "details": {
      "ARC": 1.0000100135803223,
      "TASKCARD": 1.0000003385357559e-05,
      "TESTCELL": 1.0000003385357559e-05,
      "LLPLIST": 1.0000003385357559e-05,
      "MODLIST": 1.0000003385357559e-05,
      "ADSB": 1.0000003385357559e-05,
      "ACCESSORYLIST": 1.0000003385357559e-05,
      "SERVICEABLETAG": 1.0000003385357559e-05,
      "BORESCOPE": 1.0000003385357559e-05
    }
  },
  "status": 200,
  "total_time_taken": "2.972723960876465",
  "next_action": "extract-fields",
  "next_action_response": 202
}