Sentimentanalyse met few-shot prompting
Je werkt aan marktonderzoek en je doel is om met few-shot prompting sentimentanalyse uit te voeren op klantbeoordelingen. Je kent een getal toe aan een gegeven klantgesprek: -1 als het sentiment negatief is, 1 als het positief is. Je geeft de volgende voorbeelden als eerdere gesprekken waar het model van kan leren.
- The product quality exceeded my expectations -> 1
- I had a terrible experience with this product's customer service -> -1
Het OpenAI-pakket is al voor je ingeladen.
Deze oefening maakt deel uit van de cursus
Prompt Engineering met de OpenAI API
Oefeninstructies
- Geef de voorbeelden op als eerdere gesprekken waarbij je de tekst als context voor de
user-rol gebruikt en het getal als context voor deassistant-rol. - Geef de volgende tekst aan het model om te classificeren en gebruik de juiste rol:
The price of the product is really fair given its features.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
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)