Classification de texte

Introduction à l’IA générative dans Snowflake

James Cha-Earley

Senior Developer Advocate, Snowflake

Défis de la classification de texte

Le problème

Les avis peuvent contenir n'importe quelle information

La catégorisation manuelle est chronophage et non évolutive

La solution

Automatisez avec Snowflake Cortex !

classify_text()

Définir les catégories

# Définir les catégories
categories = ["overall_experience", "location", "staff", "food_beverages",
              "facilities"]

Classification de texte

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"  
}

Conversion des sorties en dictionnaire

print(type(category))

<class 'str'>

import json

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

<class 'dict'>

Évoluer le flux de travail

Pipeline de classification catégorisant les avis pour un mois donné

# Code Python
month = 5

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

Application de classify_text()

df = cell2.to_pandas()


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

Application de classify_text()

# Appliquer la classification au DataFrame
df["category"] = reviews["DESCRIPTION"].apply(classification)


# Imprimer la catégorie prédite de la première ligne
print(df["category"].head(1))

0    overall_experience  
Name: category, dtype: object

Analyse de sentiment

Intéressé uniquement par le sentiment des avis

AI_SENTIMENT dans une cellule SQL

Analyse de sentiment

AI_SENTIMENT - extraction d'un sentiment

Sentiments disponibles : positive, negative, neutral, mixed, et unknown

Passons à la pratique !

Introduction à l’IA générative dans Snowflake