LoslegenKostenlos starten

Zero-shot-Prompting mit Bewertungen

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

In dieser Übung erkundest du die Nutzung von DeepSeek im Chatmodus für eine Sentimentklassifizierung anhand von Rezensionen aus einem Online-Schuhladen namens Toe-Tally Comfortable. Idealweise möchtest du Ausgaben im folgenden Format erhalten:

1. Review text = <1-5 rating>
2. Review text = <1-5 rating>
3. ...

Diese Übung ist Teil des Kurses

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

Übungsanweisungen

  • Definiere einen prompt, um die Stimmung der Aussagen mithilfe der Zahlen 1 bis 5 (positiv bis negativ) zu klassifizieren – gib vorerst noch kein Beispiel an!
  • Erstelle eine Anfrage, um diesen Prompt an deepseek-ai/DeepSeek-V4.1-Flash 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-V4.1-Flash",
  messages=[{"role": "user", "content": ____}],
  max_tokens=500
)

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