Classificação de texto

Introdução à IA Generativa no Snowflake

James Cha-Earley

Senior Developer Advocate, Snowflake

Desafios de classificar texto

O problema

Avaliações podem conter qualquer informação

Categorizar manualmente é demorado e não escala

A solução

Automatize com Snowflake Cortex!

classify_text()

Definindo categorias

# Definir categorias
categories = ["overall_experience", "location", "staff", "food_beverages",
              "facilities"]

Classificando texto

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"  
}

Convertendo saídas para dicionário

print(type(category))

<class 'str'>

import json

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

<class 'dict'>

Escalando o fluxo de trabalho

Pipeline de classificação categorizando avaliações de um mês

# Código em Python
month = 5

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

Aplicando classify_text()

df = dataframe_1.to_pandas()


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

Aplicando classify_text()

# Aplicar a classificação ao DataFrame
df["category"] = reviews["DESCRIPTION"].apply(classification)


# Imprimir a categoria prevista da primeira linha
print(df["category"].head(1))

0    overall_experience  
Name: category, dtype: object

Análise de sentimento

Interessado apenas no sentimento das avaliações

AI_SENTIMENT em uma célula SQL

Análise de sentimento

AI_SENTIMENT - extraindo um sentimento

Sentimentos disponíveis: positive, negative, neutral, mixed e unknown

Vamos praticar!

Introdução à IA Generativa no Snowflake