Embedding per le recensioni dei ristoranti
Un'attività di classificazione molto comune in cui gli embedding sono estremamente efficaci è l'analisi del sentiment. In questo e nei prossimi esercizi, seguirai il flusso di lavoro per eseguire un'analisi del sentiment usando gli embedding.
Hai a disposizione un piccolo campione di recensioni di ristoranti, salvato in reviews, e le etichette di sentiment salvate in 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!"]
Userai la classificazione zero-shot per classificare il sentiment di queste recensioni creando gli embedding delle recensioni e delle etichette di classe.
La funzione create_embeddings() che hai creato in precedenza è disponibile anche qui.
Questo esercizio fa parte del corso
Introduzione agli Embeddings con l'API di OpenAI
Istruzioni dell'esercizio
- Crea un elenco di descrizioni di classe a partire dalle etichette nel dizionario
sentimentsusando una list comprehension. - Genera gli embedding di
class_descriptionsereviewsusando la funzionecreate_embeddings().
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Create a list of class descriptions from the sentiment labels
class_descriptions = ____
# Embed the class_descriptions and reviews
class_embeddings = ____
review_embeddings = ____