Вкладення для відгуків про ресторани

Одне з поширених завдань класифікації, з яким вкладення чудово справляються, — це аналіз тональності. У цій та наступних вправах ви пройдете весь робочий процес аналізу тональності за допомогою вкладень.

Вам надано невелику вибірку відгуків про ресторани, збережену в reviews, і мітки тональності, збережені 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!"]

Ви використаєте класифікацію без навчання на прикладах (zero-shot), щоб визначити тональність цих відгуків, вбудовуючи як самі відгуки, так і мітки класів.

Функція create_embeddings(), яку ви створили раніше, також доступна для використання.

Ця вправа є частиною курсу

Вступ до Embeddings з OpenAI API

Переглянути курс

Інструкції до вправи

Створіть список описів класів з міток у словнику sentiments, використовуючи спискове включення.
Створіть вкладення для class_descriptions і reviews, використовуючи функцію create_embeddings().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

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

Редагувати та запускати код