Restaurantbewertungen einbetten
Eine typische Klassifizierungsaufgabe, für die Embeddings hervorragend geeignet sind, ist die Sentiment-Analyse. In dieser und den folgenden Übungen gehst du Schritt für Schritt den Workflow durch, um mithilfe von Embeddings eine Sentiment-Analyse durchzuführen.
Du hast eine kleine Auswahl an Restaurantbewertungen in reviews sowie Sentiment-Labels in sentiments erhalten:
sentiments = [{'label': 'Positive'},
{'label': 'Neutral'},
{'label': 'Negative'}]
reviews = ["The food was delicious!",
"The service was a bit slow but the food was good",
"The food was cold, really disappointing!"]
Du wirst Zero-Shot-Klassifikation verwenden, um das Sentiment dieser Bewertungen zu bestimmen, indem du sowohl die Bewertungen als auch die Klassenlabels einbettest.
Die von dir zuvor erstellte Funktion create_embeddings() steht dir ebenfalls zur Verfügung.
Diese Übung ist Teil des Kurses
Einführung in Embeddings mit der OpenAI API
Anleitung zur Übung
- Erstelle mit einer List Comprehension eine Liste von Klassenbeschreibungen aus den Labels im Dictionary
sentiments. - Betten (
embed)class_descriptionsundreviewsmit der Funktioncreate_embeddings()ein.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create a list of class descriptions from the sentiment labels
class_descriptions = ____
# Embed the class_descriptions and reviews
class_embeddings = ____
review_embeddings = ____