1. Learn
  2. /
  3. Курси
  4. /
  5. Introduction aux embeddings avec l'API d'OpenAI

Connected

вправа

Classifier le sentiment d'un avis

Maintenant que vous avez calculé les embeddings, il est temps de calculer les distances cosinus et d'extraire l'étiquette la plus similaire.

Vous allez définir une fonction appelée find_closest() qui servira à comparer l'embedding d'un vecteur à plusieurs autres et à retourner la distance la plus proche et son index. Vous parcourrez ensuite les avis et utiliserez find_closest() pour trouver la distance la plus faible pour chaque avis, puis extrairez l'étiquette classifiée à l'aide de l'index.

Les objets class_embeddings et review_embeddings que vous avez créés au dernier exercice sont à votre disposition, ainsi que reviews et sentiments.

Інструкції

100 XP
  • Définissez une fonction appelée find_closest() qui retourne la distance et l'index de l'embedding le plus similaire au query_vector.
  • Utilisez find_closest() pour trouver la distance la plus faible entre l'embedding de chaque avis et class_embeddings.
  • Utilisez le 'index' de closest pour sous-ensemblonner sentiments et extraire le 'label'.