Zero-shot-Prompting mit Bewertungen

Neben dem Beantworten von Fragen, dem Transformieren von Text und dem Generieren neuer Inhalte können DeepSeek-Modelle auch für Klassifizierungsaufgaben eingesetzt werden, zum Beispiel für Kategorisierung und Sentimentanalyse.

In dieser Übung nutzt du DeepSeeks Chat-Modelle für eine Sentimentklassifizierung mit Rezensionen aus einem Online-Schuhshop namens Toe-Tally Comfortable. Idealerweise erhältst du Ausgaben im Format:

1. Bewertungstext = <1-5 Bewertung>
2. Bewertungstext = <1-5 Bewertung>
3. ...

Diese Übung ist Teil des Kurses

Arbeiten mit DeepSeek in Python

Kurs anzeigen

Anleitung zur Übung

Definiere einen prompt, um die Stimmung der gegebenen Aussagen mithilfe der Zahlen 1 bis 5 zu klassifizieren (positiv bis negativ) — gib zunächst noch kein Beispiel an!
Erstelle eine Anfrage, um diesen Prompt an deepseek-ai/DeepSeek-V3 zu senden.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

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-V3",
  messages=[{"role": "user", "content": ____}],
  max_tokens=150
)

print(response.choices[0].message.content)

Code bearbeiten und ausführen