Aan de slagBegin gratis

Zero-shot prompting met reviews

Naast het beantwoorden van vragen, het transformeren van tekst en het genereren van nieuwe tekst, kunnen DeepSeek-modellen ook worden gebruikt voor classificatietaken, zoals categoriseren en sentimentanalyse.

In deze oefening ga je DeepSeek in chatmodus gebruiken voor sentimentclassificatie met reviews van een online schoenenwinkel genaamd Toe-Tally Comfortable. Idealiter wil je Resultaten in de vorm van:

1. Reviewtekst = <1-5 beoordeling>
2. Reviewtekst = <1-5 beoordeling>
3. ...

Deze oefening maakt deel uit van de cursus

Werken met DeepSeek in Python

Bekijk cursus

Oefeninstructies

  • Definieer een prompt om het sentiment van de gegeven uitspraken te classificeren met de nummers 1 tot 5 (positief naar negatief)— geef nog geen voorbeeld!
  • Maak een request om deze prompt te versturen naar deepseek-ai/DeepSeek-V4-Pro.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

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-V4-Pro",
  messages=[{"role": "user", "content": ____}],
  max_tokens=500
)

print(response.choices[0].message.content)
Code bewerken en uitvoeren