Zero-shot prompting con recensioni
Oltre a rispondere alle domande, trasformare il testo e generare nuovo testo, i modelli DeepSeek possono essere usati anche per compiti di classificazione, come categorizzazione e analisi del sentiment.
In questo esercizio esplorerai l'uso dei modelli chat di DeepSeek per la classificazione del sentiment utilizzando recensioni di un negozio di scarpe online chiamato Toe-Tally Comfortable. Idealmente, cerchi output nel formato:
1. Testo della recensione = <valutazione 1-5>
2. Testo della recensione = <valutazione 1-5>
3. ...
Questo esercizio fa parte del corso
Lavorare con DeepSeek in Python
Istruzioni dell'esercizio
- Definisci un
promptper classificare il sentiment delle frasi fornite usando i numeri da1a5(da positivo a negativo)— non fornire ancora alcun esempio! - Crea una richiesta per inviare questo prompt a
deepseek-ai/DeepSeek-V3.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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)