Analisi del sentiment con few-shot prompting
Stai lavorando a una ricerca di mercato e il tuo obiettivo è usare il few-shot prompting per eseguire l’analisi del sentiment sulle recensioni dei clienti. Devi assegnare un numero a una determinata conversazione del cliente: -1 se il sentiment è negativo, 1 se è positivo. Fornisci i seguenti esempi come conversazioni precedenti da cui il modello può apprendere.
- La qualità del prodotto ha superato le mie aspettative -> 1
- Ho avuto un’esperienza terribile con l’assistenza clienti di questo prodotto -> -1
Il pacchetto OpenAI è già stato caricato per te.
Questo esercizio fa parte del corso
Prompt Engineering con l'API di OpenAI
Istruzioni dell'esercizio
- Fornisci gli esempi come conversazioni precedenti assegnando il testo come contesto per il ruolo
usere il numero come contesto per il ruoloassistant. - Fornisci il seguente testo da far classificare al modello e usa il ruolo appropriato:
The price of the product is really fair given its features.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
client = OpenAI(api_key="")
response = client.chat.completions.create(
model = "gpt-4o-mini",
# Provide the examples as previous conversations
messages = [{"role": "____", "content": "____"},
{"role": "____", "content": "____"},
{"role": "____", "content": "____"},
{"role": "____", "content": "____"},
# Provide the text for the model to classify
{"role": "____", "content": "____"}
],
temperature = 0
)
print(response.choices[0].message.content)