Análisis de sentimiento con prompting de pocos ejemplos
Estás trabajando en un estudio de mercado y tu objetivo es utilizar prompting con pocos ejemplos para analizar el sentimiento de las reseñas de clientes. Vas a asignar un número a la conversación de un cliente: -1 si el sentimiento es negativo y 1 si es positivo. Proporcionas los siguientes ejemplos de conversaciones anteriores para que el modelo aprenda.
- La calidad del producto superó mis expectativas -> 1
- Tuve una experiencia terrible con el servicio de atención al cliente de este producto -> -1
El paquete OpenAI ya está precargado.
Este ejercicio forma parte del curso
Ingeniería de prompts con la API de OpenAI
Instrucciones del ejercicio
- Proporciona los ejemplos como conversaciones previas asignando el texto como contexto para el rol
usery el número como contexto para el rolassistant. - Proporciona el siguiente texto para que el modelo lo clasifique y usa el rol adecuado:
The price of the product is really fair given its features.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
client = OpenAI(api_key="")
response = client.chat.completions.create(
model = "gpt-4o-mini",
# Provide the examples as previous conversations
messages = [{"role": "____", "content": "____"},
{"role": "____", "content": "____"},
{"role": "____", "content": "____"},
{"role": "____", "content": "____"},
# Provide the text for the model to classify
{"role": "____", "content": "____"}
],
temperature = 0
)
print(response.choices[0].message.content)