Embeddings para tarefas de classificação

Introdução aos embeddings com o OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Tarefas de classificação

Atribuir rótulos a itens

Categorização
- Exemplo: manchetes por tópico
Análise de sentimento

Uma tabela de tópicos que podemos usar para categorizar artigos.

Tarefas de classificação

Atribuir rótulos a itens

Categorização
- Exemplo: manchetes por tópico
Análise de sentimento
- Exemplo: classificar avaliações como positivas ou negativas

Embeddings capturam significado semântico

Uma tabela com um rosto sorridente e um triste, que pode ser usada para categorizar por sentimento.

Classificação com embeddings

Classificação zero-shot:
- Sem usar dados rotulados

Processo:

Criar embeddings das descrições das classes

Descrições de classes incorporadas no espaço vetorial.

Classificação com embeddings

Classificação zero-shot:
- Sem usar dados rotulados

Processo:

Criar embeddings das descrições das classes
Criar embedding do item a classificar
Calcular distâncias cosseno

Descrições de classes incorporadas no espaço vetorial, com um vetor desconhecido.

Classificação com embeddings

Classificação zero-shot:
- Sem usar dados rotulados

Processo:

Criar embeddings das descrições das classes
Criar embedding do item a classificar
Calcular distâncias cosseno
Atribuir o rótulo mais similar

Descrições de classes incorporadas no espaço vetorial, com um vetor desconhecido recebendo o rótulo Tech.

Criar embeddings das descrições de classe

topics = [
  {'label': 'Tech'},
  {'label': 'Science'},
  {'label': 'Sport'},
  {'label': 'Business'},
]


class_descriptions = [topic['label'] for topic in topics]

class_embeddings = create_embeddings(class_descriptions)

Criar embedding do item a classificar

article = {"headline": "How NVIDIA GPUs Could Decide Who Wins the AI Race",
           "keywords": ["ai", "business", "computers"]}


def create_article_text(article):
  return f"""Headline: {article['headline']}
Keywords: {', '.join(article['keywords'])}"""

article_text = create_article_text(article)

article_embeddings = create_embeddings(article_text)[0]

Calcular distâncias cosseno

def find_closest(query_vector, embeddings):
  distances = []
  for index, embedding in enumerate(embeddings):
    dist = distance.cosine(query_vector, embedding)
    distances.append({"distance": dist, "index": index})
  return min(distances, key=lambda x: x["distance"])


closest = find_closest(article_embeddings, class_embeddings)

Extrair o rótulo mais similar

label = topics[closest['index']]['label']

print(label)

Business

article = {"headline": "How NVIDIA GPUs Could Decide Who Wins the AI Race",
           "keywords": ["ai", "business", "computers"]}

Limitação:

As descrições das classes tinham pouco detalhe

Descrições mais detalhadas

topics = [
  {'label': 'Tech', 'description': 'A news article about technology'},
  {'label': 'Science', 'description': 'A news article about science'},
  {'label': 'Sport', 'description': 'A news article about sports'},
  {'label': 'Business', 'description': 'A news article about business'},
]


class_descriptions = [topic['description'] for topic in topics]
class_embeddings = create_embeddings(class_descriptions)

[...]
label = topics[closest['index']]['label']
print(label)

Tech

Vamos praticar!

Introdução aos embeddings com o OpenAI API