Zero-shot prompting với đánh giá
Bên cạnh việc trả lời câu hỏi, biến đổi văn bản và tạo văn bản mới, các mô hình DeepSeek còn có thể dùng cho các tác vụ phân loại, như phân loại chủ đề và phân tích cảm xúc.
Trong bài tập này, bạn sẽ khám phá cách dùng mô hình chat của DeepSeek để phân loại cảm xúc dựa trên các đánh giá từ một cửa hàng giày trực tuyến có tên Toe-Tally Comfortable. Lý tưởng nhất, bạn muốn đầu ra theo định dạng:
1. Review text = <điểm 1-5>
2. Review text = <điểm 1-5>
3. ...
Bài tập này là một phần của khóa học
Làm việc với DeepSeek bằng Python
Hướng dẫn bài tập
- Định nghĩa một
promptđể phân loại cảm xúc của các câu đã cho bằng các số từ1đến5(tích cực đến tiêu cực)— chưa đưa ví dụ nào nhé! - Tạo một yêu cầu để gửi prompt này tới
deepseek-ai/DeepSeek-V3.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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-V3",
messages=[{"role": "user", "content": ____}],
max_tokens=150
)
print(response.choices[0].message.content)