Kom igångKom igång gratis

Zero-shot-prompting med recensioner

Förutom att svara på frågor, omvandla text och generera nytt innehåll kan DeepSeek-modeller även användas för klassificeringsuppgifter, till exempel kategorisering och sentimentanalys.

I den här övningen får du utforska hur DeepSeek i chattläge kan användas för sentimentklassificering med hjälp av recensioner från en nätbutik för skor som heter Toe-Tally Comfortable. Idealt sett vill du att utdata ska se ut så här:

1. Recensionstext = <betyg 1–5>
2. Recensionstext = <betyg 1–5>
3. ...

Den här övningen är en del av kursen

Arbeta med DeepSeek i Python

Visa kurs

Övningsinstruktioner

  • Definiera en prompt för att klassificera sentimentet i de angivna påståendena med siffrorna 1 till 5 (positiv till negativ)— ange inga exempel ännu!
  • Skapa en förfrågan för att skicka den här prompten till deepseek-ai/DeepSeek-V4-Pro.

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

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