Intégrer des critiques de restaurants
L'analyse des sentiments est une tâche de classification courante pour laquelle les embeddings sont très utiles. Dans cet exercice et les suivants, vous naviguerez dans le flux de travail de l'analyse des sentiments à l'aide d'enchâssements.
Vous disposez d'un petit échantillon de critiques de restaurants, stockées dans reviews, et d'étiquettes de sentiments 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 la classification "zero-shot" pour classer le sentiment de ces avis en intégrant 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 à l'intégration 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. - Incorporez
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 = ____