Kom igångKom igång gratis

Zero-shot prompting med recensioner

Utöver att besvara frågor, omforma text och generera ny text kan DeepSeek-modeller även användas för klassificeringsuppgifter, till exempel kategorisering och sentimentanalys.

I den här övningen utforskar du hur DeepSeek i chattläge kan användas för sentimentklassificering med recensioner från en webbaserad skobutik som heter Toe-Tally Comfortable. Helst vill du ha utdata i följande format:

1. Review text = <1-5 rating>
2. Review text = <1-5 rating>
3. ...

Den här övningen är en del av kursen

Arbeta med DeepSeek i Python

Visa kurs

Övningsinstruktioner

  • Definiera en prompt som klassificerar sentimentet i de angivna uttalandena med siffrorna 1 till 5 (positiv till negativ) – ge inget exempel än så länge!
  • Skapa en förfrågan som skickar den här prompten till deepseek-ai/DeepSeek-V4-Pro-0813.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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-0813",
  messages=[{"role": "user", "content": ____}],
  max_tokens=500
)

print(response.choices[0].message.content)
Redigera och kör kod