और विस्तृत विवरणों को एम्बेड करना

आखिरी भविष्यवाणी किए गए लेबल्स में से एक रिव्यू का प्रतिनिधि नहीं लगा; संभवतः इसका कारण यह था कि जब हम सिर्फ़ क्लास लेबल्स को ही एम्बेड कर रहे थे, तब पर्याप्त जानकारी कैप्चर नहीं हो रही थी। इस बार, प्रत्येक क्लास के विवरणों को एम्बेड किया जाएगा, ताकि मॉडल को बेहतर "समझ" हो कि आप रेस्तरां रिव्यूज़ को क्लासिफ़ाई कर रहे हैं।

आपके उपयोग के लिए निम्न ऑब्जेक्ट्स उपलब्ध हैं:

sentiments = [{'label': 'Positive',
               'description': 'A positive restaurant review'},
              {'label': 'Neutral',
               'description':'A neutral restaurant review'},
              {'label': 'Negative',
               'description': 'A negative restaurant review'}]

reviews = ["The food was delicious!",
           "The service was a bit slow but the food was good",
           "The food was cold, really disappointing!"]

यह अभ्यास पाठ्यक्रम का हिस्सा है

OpenAI API के साथ Embeddings परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

सेंटिमेंट विवरणों वाली एक list निकालें और उन्हें एम्बेड करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Extract and embed the descriptions from sentiments
class_descriptions = ____
class_embeddings = ____
review_embeddings = create_embeddings(reviews)

def find_closest(query_vector, embeddings):
  distances = []
  for index, embedding in enumerate(embeddings):
    dist = distance.cosine(query_vector, embedding)
    distances.append({"distance": dist, "index": index})
  return min(distances, key=lambda x: x["distance"])

for index, review in enumerate(reviews):
  closest = find_closest(review_embeddings[index], class_embeddings)
  label = sentiments[closest['index']]['label']
  print(f'"{review}" was classified as {label}')

कोड संपादित करें और चलाएँ