Créer des embeddings pour des avis de restaurants
Une tâche de classification courante pour laquelle les embeddings excellent est l'analyse de sentiments. Dans cet exercice et le suivant, vous parcourrez le flux de travail d'une analyse de sentiments à l'aide d'embeddings.
On vous fournit un petit échantillon d'avis de restaurants, stockés dans reviews, et des étiquettes de sentiment dans sentiments :
sentiments = [{'label': 'Positive'},
{'label': 'Neutral'},
{'label': 'Negative'}]
reviews = ["The food was delicious!",
"The service was a bit slow but the food was good",
"The food was cold, really disappointing!"]
Vous utiliserez une classification « zero-shot » pour déterminer le sentiment de ces avis en créant des embeddings pour les avis et les étiquettes de classe.
La fonction create_embeddings() que vous avez créée plus tôt est aussi disponible.
Cette activité fait partie du cours
Introduction aux embeddings avec l'API d'OpenAI
Instructions de l’exercice
- Créez une liste de descriptions de classes à partir des étiquettes dans le dictionnaire
sentimentsà l'aide d'une compréhension de liste. - Générez les embeddings de
class_descriptionsetreviewsen utilisant la fonctioncreate_embeddings().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create a list of class descriptions from the sentiment labels
class_descriptions = ____
# Embed the class_descriptions and reviews
class_embeddings = ____
review_embeddings = ____