Textklassifikation

Einführung in Generative KI in Snowflake

James Cha-Earley

Senior Developer Advocate, Snowflake

Herausforderungen der Textklassifikation

Das Problem

Bewertungen können jede Information enthalten

Manuelle Kategorisierung ist zeitaufwendig und nicht skalierbar

Die Lösung

Automatisiere mit Snowflake Cortex!

classify_text()

Kategorien definieren

# Kategorien definieren
categories = ["overall_experience", "location", "staff", "food_beverages",
              "facilities"]

Text klassifizieren

from snowflake.cortex import classify_text


category = classify_text(
    str_input="The check-in was smooth and the staff were very friendly.",
    categories=categories
)


print(category)

{  
  "label": "staff"  
}

Ausgaben in ein Wörterbuch umwandeln

print(type(category))

<class 'str'>

import json

category_dict = json.loads(category)
print(type(category_dict))

<class 'dict'>

Workflow skalieren

Klassifikations-Pipeline zur Kategorisierung von Bewertungen für einen bestimmten Monat

# Python-Code
month = 5

-- SQL-Abfrage
SELECT *
FROM HOTELS.REVIEWS
WHERE EXTRACT(month FROM date) = '{{month}}'

classify_text() anwenden

df = cell2.to_pandas()


def classification(text):
    result = classify_text(
        str_input=text,
        categories=labels
    )
    result_dict = json.loads(result)
    return result_dict["label"]

classify_text() anwenden

# Klassifikation auf DataFrame anwenden
df["category"] = reviews["DESCRIPTION"].apply(classification)


# Erste Zeile der vorhergesagten Kategorie ausgeben
print(df["category"].head(1))

0    overall_experience  
Name: category, dtype: object

Sentimentanalyse

Nur an der Bewertungssentiment interessiert

AI_SENTIMENT in einer SQL-Zelle

Sentimentanalyse

AI_SENTIMENT - Sentiment extrahieren

Verfügbare Sentiments: positive, negative, neutral, mixed und unknown

Lass uns üben!

Einführung in Generative KI in Snowflake