Créer des embeddings pour des avis de restaurants
Une tâche de classification courante pour laquelle les embeddings excellent est l’analyse de sentiment. Dans cet exercice et le suivant, vous allez suivre le flux de travail d’une analyse de sentiment à l’aide d’embeddings.
On vous a fourni un petit échantillon d’avis de restaurants, stockés dans reviews, et des étiquettes de sentiment stockées 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 précédemment est également disponible.
Cet exercice fait partie du cours
Introduction aux embeddings avec l’API OpenAI
Instructions
- Créez une liste de descriptions de classes à partir des étiquettes du dictionnaire
sentimentsà l’aide d’une compréhension de liste. - Créez des embeddings pour
class_descriptionsetreviewsà l’aide de la fonctioncreate_embeddings().
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create a list of class descriptions from the sentiment labels
class_descriptions = ____
# Embed the class_descriptions and reviews
class_embeddings = ____
review_embeddings = ____