Zero-shot prompting con reseñas
Además de responder preguntas, transformar texto y generar contenido nuevo, los modelos de DeepSeek también pueden usarse para tareas de clasificación, como categorización y análisis de sentimiento.
En este ejercicio, explorarás el uso de los modelos de chat de DeepSeek para clasificar el sentimiento usando reseñas de una tienda de calzado online llamada Toe-Tally Comfortable. Idealmente, buscas resultados con el formato:
1. Texto de la reseña = <valoración 1-5>
2. Texto de la reseña = <valoración 1-5>
3. ...
Este ejercicio forma parte del curso
Trabajar con DeepSeek en Python
Instrucciones del ejercicio
- Define un
promptpara clasificar el sentimiento de las frases proporcionadas usando los números del1al5(positivo a negativo); ¡no pongas ningún ejemplo todavía! - Crea una solicitud para enviar este prompt a
deepseek-ai/DeepSeek-V3.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
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)