Эмбеддинги для отзывов о ресторанах

Анализ тональности — одна из классических задач классификации, с которой эмбеддинги справляются особенно хорошо. В этом и следующем упражнениях вы пройдёте полный рабочий процесс анализа тональности с помощью эмбеддингов.

Вам предоставлена небольшая выборка отзывов о ресторанах, хранящихся в reviews, и метки тональности в sentiments:

sentiments = [{'label': 'Positive'},
              {'label': 'Neutral'},
              {'label': 'Negative'}]

reviews = ["The food was delicious!",
           "The service was a bit slow but the food was good",
           "The food was cold, really disappointing!"]

Вы будете использовать классификацию без дополнительного обучения (zero-shot classification), чтобы определить тональность этих отзывов — для этого нужно построить эмбеддинги как для отзывов, так и для меток классов.

Функция create_embeddings(), созданная ранее, также доступна для использования.

Это упражнение является частью курса

Введение в эмбеддинги с OpenAI API

Посмотреть курс

Инструкции к упражнению

Создайте список описаний классов на основе меток из словаря sentiments, используя генератор списков.
Постройте эмбеддинги для class_descriptions и reviews с помощью функции create_embeddings().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create a list of class descriptions from the sentiment labels
class_descriptions = ____

# Embed the class_descriptions and reviews
class_embeddings = ____
review_embeddings = ____

Редактировать и запускать код