ПочатиПочніть безкоштовно

Zero-shot підказування на відгуках

Окрім відповідей на запитання, перетворення тексту та генерації нового тексту, моделі DeepSeek можна використовувати і для класифікації, зокрема для категоризації та аналізу тональності.

У цій вправі ви попрацюєте з DeepSeek у режимі чату для класифікації тональності за відгуками з інтернет‑крамниці взуття під назвою Toe-Tally Comfortable. Бажаний формат результату:

1. Текст відгуку = <оцінка 1-5>
2. Текст відгуку = <оцінка 1-5>
3. ...

Ця вправа є частиною курсу

Робота з DeepSeek у Python

Переглянути курс

Інструкції до вправи

  • Сформулюйте prompt для класифікації тональності наданих висловлювань за шкалою від 1 до 5 (від позитивної до негативної)— поки що не наводьте жодних прикладів!
  • Створіть запит, щоб надіслати цю підказку до deepseek-ai/DeepSeek-V4-Pro-0813.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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)
Редагувати та запускати код