LoslegenKostenlos starten

Zero-shot-Prompting mit Rezensionen

Neben dem Beantworten von Fragen, dem Umformen von Text und dem Generieren neuer Texte können DeepSeek-Modelle auch für Klassifizierungsaufgaben wie Kategorisierung und Stimmungsanalyse eingesetzt werden.

In dieser Übung nutzt du DeepSeek im Chat-Modus für eine Sentiment-Klassifizierung anhand von Rezensionen aus einem Online-Schuhladen namens Toe-Tally Comfortable. Im Idealfall sollen die Ausgaben folgendes Format haben:

1. Review-Text = <1-5 Bewertung>
2. Review-Text = <1-5 Bewertung>
3. ...

Diese Übung ist Teil des Kurses

<Kurs>Arbeiten mit DeepSeek in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Definiere einen prompt, um die Stimmung der gegebenen Aussagen mit den Zahlen 1 bis 5 (positiv bis negativ) zu klassifizieren – gib zunächst noch kein Beispiel an!
  • Erstelle eine Anfrage, um diesen Prompt an deepseek-ai/DeepSeek-V4-Pro zu senden.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")

# Define a multi-line prompt to classify sentiment
prompt = """____. Return no explanations:
1. Unbelievably good!
2. Shoes fell apart on the second use.
3. The shoes look nice, but they aren't very comfortable.
4. Can't wait to show them off!"""

# Create a request to the chat model
response = client.chat.completions.create(
  model="deepseek-ai/DeepSeek-V4-Pro",
  messages=[{"role": "user", "content": ____}],
  max_tokens=500
)

print(response.choices[0].message.content)
Code bearbeiten und ausführen