Zero-shot prompting dengan ulasan

Selain menjawab pertanyaan, mentransformasi teks, dan menghasilkan teks baru, model DeepSeek juga dapat digunakan untuk tugas klasifikasi, seperti kategorisasi dan analisis sentimen.

Dalam latihan ini, Anda akan mengeksplorasi penggunaan model chat DeepSeek untuk klasifikasi sentimen menggunakan ulasan dari toko sepatu online bernama Toe-Tally Comfortable. Idealnya, Anda mencari keluaran dalam bentuk:

1. Teks ulasan = <penilaian 1-5>
2. Teks ulasan = <penilaian 1-5>
3. ...

Latihan ini adalah bagian dari kursus

Bekerja dengan DeepSeek di Python

Lihat Kursus

Petunjuk latihan

Definisikan sebuah prompt untuk mengklasifikasikan sentimen dari pernyataan yang diberikan menggunakan angka 1 hingga 5 (positif hingga negatif)—jangan berikan contoh apa pun terlebih dahulu!
Buat sebuah permintaan untuk mengirim prompt ini ke deepseek-ai/DeepSeek-V3.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")

# Define a multi-line prompt to classify sentiment
prompt = """____. Return no explanations:
1. Unbelievably good!
2. Shoes fell apart on the second use.
3. The shoes look nice, but they aren't very comfortable.
4. Can't wait to show them off!"""

# Create a request to the chat model
response = client.chat.completions.create(
  model="deepseek-ai/DeepSeek-V3",
  messages=[{"role": "user", "content": ____}],
  max_tokens=150
)

print(response.choices[0].message.content)

Edit dan Jalankan Kode