# Metin verilerini işleyin

Bu kılavuz, metin veri setlerini işleme için belirli yöntemleri gösterir. Şunları öğrenin:

- Bir veri setini [map()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.map) ile belirteçleştirin.
- NLI veri kümeleri için veri seti etiketlerini etiket kimlikleriyle hizalayın.

Herhangi bir veri seti türünü işleme sürecine dair bir kılavuz için genel süreç kılavuzuna göz atın.

## Harita

[map()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.map) fonksiyonu, örneklerin toplu olarak işlenmesini destekler ve bu da belirteçleştirmeyi hızlandırır.

🤗 [Transformers](https://huggingface.co/transformers/) üzerinden bir tokenizer yükleyin:

```py
>>> from transformers import AutoTokenizer

>>> tokenizer = AutoTokenizer.from_pretrained("bert-base-cased")
```

[map()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.map) fonksiyonunda `batched` parametresini `True` olarak ayarlayarak tokenizörün örneklerin toplu hallerine uygulanmasını sağlayın:

```py
>>> dataset = dataset.map(lambda examples: tokenizer(examples["text"]), batched=True)
>>> dataset[0]
{'text': 'the rock is destined to be the 21st century\'s new " conan " and that he\'s going to make a splash even greater than arnold schwarzenegger , jean-claud van damme or steven segal .', 
 'label': 1, 
 'input_ids': [101, 1996, 2600, 2003, 16036, 2000, 2022, 1996, 7398, 2301, 1005, 1055, 2047, 1000, 16608, 1000, 1998, 2008, 2002, 1005, 1055, 2183, 2000, 2191, 1037, 17624, 2130, 3618, 2084, 7779, 29058, 8625, 13327, 1010, 3744, 1011, 18856, 19513, 3158, 5477, 4168, 2030, 7112, 16562, 2140, 1012, 102], 
 'token_type_ids': [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], 
 'attention_mask': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]}
```

[map()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.map) fonksiyonu, döndürülen değerleri PyArrow tarafından desteklenen bir biçime dönüştürür. Ancak tensörleri açıkça NumPy dizileri olarak döndürmek daha hızlıdır çünkü bu, PyArrow tarafından yerel olarak desteklenen bir biçimdir. Metninizi işlerken `return_tensors="np"` parametresini ayarlayın:

```py
>>> dataset = dataset.map(lambda examples: tokenizer(examples["text"], return_tensors="np"), batched=True)
```

## Hizala

[align_labels_with_mapping()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.align_labels_with_mapping) fonksiyonu, bir veri seti etiket kimliğini etiket adıyla hizalar. 🤗 Transformers modellerinin tümü, orijinal veri setinin belirlenen etiket eşlemesini izlemez; bu durum özellikle NLI veri setleri için geçerlidir. Örneğin, [MNLI](https://huggingface.co/datasets/glue) veri seti aşağıdaki etiket eşlemesini kullanır:

```py
>>> label2id = {"entailment": 0, "neutral": 1, "contradiction": 2}
```

Veri seti etiket eşlemesini, bir modelin kullandığı eşlemeyle hizalamak için, hizalanacak etiket adını ve kimliğini içeren bir sözlük oluşturun:

```py
>>> label2id = {"contradiction": 0, "neutral": 1, "entailment": 2}
```

Etiket eşlemelerinin sözlüğünü [align_labels_with_mapping()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.align_labels_with_mapping) fonksiyonuna ve hizalanacak sütunu iletin:

```py
>>> from datasets import load_dataset

>>> mnli = load_dataset("nyu-mll/glue", "mnli", split="train")
>>> mnli_aligned = mnli.align_labels_with_mapping(label2id, "label")
```

Bu işlevi, etiketlerden kimliklere özel bir eşleme atamak için de kullanabilirsiniz.