Membuat embedding ulasan restoran

Salah satu tugas klasifikasi umum yang sangat cocok menggunakan embedding adalah analisis sentimen. Pada latihan ini dan berikutnya, Anda akan menelusuri alur kerja melakukan analisis sentimen menggunakan embedding.

Anda telah disediakan sampel kecil ulasan restoran yang disimpan dalam reviews, dan label sentimen yang disimpan dalam 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!"]

Anda akan menggunakan zero-shot classification untuk mengklasifikasikan sentimen ulasan-ulasan ini dengan membuat embedding untuk ulasan dan label kelas.

Fungsi create_embeddings() yang Anda buat sebelumnya juga tersedia untuk digunakan.

Latihan ini merupakan bagian dari kursus

Pengantar Embeddings dengan OpenAI API

Lihat Kursus

Instruksi latihan

Buat daftar deskripsi kelas dari label di kamus sentiments menggunakan list comprehension.
Buat embedding untuk class_descriptions dan reviews menggunakan fungsi create_embeddings().

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Create a list of class descriptions from the sentiment labels
class_descriptions = ____

# Embed the class_descriptions and reviews
class_embeddings = ____
review_embeddings = ____

Edit dan Jalankan Kode