เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Zero-shot prompting กับรีวิวสินค้า

นอกจากการตอบคำถาม แปลงข้อความ และสร้างข้อความใหม่แล้ว โมเดล DeepSeek ยังสามารถใช้สำหรับงานจำแนกประเภท เช่น การจัดหมวดหมู่และการวิเคราะห์ความรู้สึก (sentiment analysis)

ในแบบฝึกหัดนี้ คุณจะได้ลองใช้ DeepSeek ในโหมดแชทเพื่อจำแนกความรู้สึกจากรีวิวของร้านขายรองเท้าออนไลน์ชื่อ Toe-Tally Comfortable โดยผลลัพธ์ที่ต้องการควรมีรูปแบบดังนี้:

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

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การใช้งาน DeepSeek ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด prompt เพื่อจำแนกความรู้สึกของข้อความที่ให้มาโดยใช้ตัวเลข 1 ถึง 5 (จากเชิงบวกไปเชิงลบ) โดยยังไม่ต้องยกตัวอย่างใด ๆ
  • สร้างคำขอเพื่อส่ง prompt นี้ไปยัง deepseek-ai/DeepSeek-V4-Pro-0813

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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)
แก้ไขและรันโค้ด