Analiza sentymentu z wykorzystaniem few-shot prompting
Pracujesz nad badaniem rynku i chcesz użyć techniki few-shot prompting do analizy sentymentu recenzji klientów. Przypisujesz liczbę do danej rozmowy z klientem: -1, jeśli sentyment jest negatywny, lub 1, jeśli jest pozytywny. Jako poprzednie rozmowy, na podstawie których model ma się uczyć, podajesz następujące przykłady.
- The product quality exceeded my expectations -> 1
- I had a terrible experience with this product's customer service -> -1
Pakiet OpenAI jest już wczytany.
To ćwiczenie jest częścią kursu
Prompt Engineering z OpenAI API
Instrukcje do ćwiczenia
- Podaj przykłady jako poprzednie rozmowy, przypisując tekst jako kontekst dla roli
user, a liczbę jako kontekst dla roliassistant. - Podaj następujący tekst do sklasyfikowania przez model, używając odpowiedniej roli:
The price of the product is really fair given its features.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)