Analyse de sentiment avec le few-shot prompting
Vous travaillez en recherche marketing et votre objectif est d'utiliser le few-shot prompting pour réaliser une analyse de sentiment sur des avis de clients. Vous attribuez un nombre à une conversation donnée avec un client : -1 si le sentiment est négatif, 1 si le sentiment est positif. Vous fournissez les exemples suivants comme conversations antérieures pour entraîner le modèle.
- The product quality exceeded my expectations -> 1
- I had a terrible experience with this product's customer service -> -1
Le paquet OpenAI a été préchargé pour vous.
Cette activité fait partie du cours
Conception de invites (Prompt Engineering) avec l'API d'OpenAI
Instructions de l’exercice
- Fournissez les exemples comme conversations antérieures en assignant le texte comme contexte pour le rôle
useret le nombre comme contexte pour le rôleassistant. - Fournissez le texte suivant pour que le modèle le classe et utilisez le rôle approprié :
The price of the product is really fair given its features.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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)