5.2识别情感类型
让我们看看另一个prompt,仍然使用台灯评论。这次我要让它识别出以下评论作者所表达的情感列表,不超过五个。
prompt = f"""
识别以下评论的作者表达的情感。包含不超过五个项目。将答案格式化为以逗号分隔的单词列表。
评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)
# >>>>>>> 输出 <<<<<<<
满意,感激,信任,赞扬,愉快
大型语言模型非常擅长从一段文本中提取特定的东西。在上面的例子中,评论正在表达情感,这非常有助于了解客户如何看待特定的产品。
5.3 从客户评论中提取产品和公司名称
在接下来的任务中,我们需要从客户评论中提取更丰富的信息。这是自然语言处理(NLP)中的一个重要任务,它涉及从文本中提取特定信息。在本任务中,我们希望识别以下内容:购买的物品和制造该物品的公司名称。假设我们要总结在线购物电商网站上的许多评论。对于这些评论,了解到底是哪种物品,由哪个公司制造的会非常有用。此外,了解积极和消极的情感也很重要,以便跟踪特定物品或制造商的情感趋势。为了方便解析和使用数据,我们将要求模型生成一个 JSON 对象作为回应,其中包含物品和制造商作为键。
prompt = f"""
从评论文本中识别以下项目:
- 评论者购买的物品
- 制造该物品的公司
评论文本用三个反引号分隔。将你的响应格式化为以 “物品” 和 “品牌” 为键的 JSON 对象。
如果信息不存在,请使用 “未知” 作为值。
让你的回应尽可能简短。
评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)
# >>>>>>> 输出 <<<<<<<
{
"物品": "卧室灯",
"品牌": "Lumina"
}
如上所示,它会说这个物品是一个卧室灯,品牌是 Luminar,你可以轻松地将其加载到 Python 字典中,然后对此输出进行其他处理。