Tekstanalyse

Prompt Engineering met de OpenAI API

Fouad Trad

Machine Learning Engineer

Tekstanalyse

Tekst onderzoeken om info te halen
- Tekstclassificatie
- Entiteitsextractie
Bedrijven moeten juridisch advies inwinnen bij gebruik van klantdata

Afbeelding die laat zien hoe tekstanalyse informatie zoals sentiment, emotie, toon, entiteiten, enz. uit tekst haalt.

Tekstclassificatie

Categorieën toekennen aan tekst
Voorbeeld: sentimentanalyse

Afbeelding die de klassen van sentimentanalyse toont: positief, negatief of neutraal.

Gespecificeerde categorieën

Geef classificatiecategorieën op als ze bekend zijn
Noem de outputvereisten

text = "I bought your XYZ Smart Watch and wanted to share my positive experience. 
Impressed with its sleek design, comfort, and touchscreen usability."


prompt = f"""Classify the sentiment of the text delimited by triple backticks as 
positive, negative, or neutral. Give your answer as a single word:
           ```{text}```"""

print(get_response(prompt))

positive

Ongespecificeerde categorieën

Model gebruikt eigen kennis als categorieën niet zijn opgegeven

text = "I bought your XYZ Smart Watch and wanted to share my positive experience. 
Impressed with its sleek design, comfort, and touchscreen usability."

prompt = f"""Classify the sentiment of the text delimited by triple backticks. 
             Give your answer as a single word.
           ```{text}```"""
print(get_response(response))

positive.

Voor sommige open vragen werkt dit minder goed

Meerdere klassen

Tekst kan in meerdere klassen vallen
Stel een maximumaantal klassen in als ze onbekend zijn

text = "I bought your XYZ Smart Watch and wanted to share my positive experience. 
Impressed with its sleek design, comfort, and touchscreen usability."

prompt = f"""Identify emotions used in this text. Don't use more than 3 emotions. 
             Format your answer as a list of words separated by commas:
           ```{text}```"""

print(get_response(prompt))

impressed, positive, comfortable

Entiteitsextractie

Specifieke entiteiten uit tekst halen
Voorbeelden: namen, plaatsen, organisaties, datums

Pictogram dat laat zien dat entiteitsextractie specifieke entiteiten uit een tekst haalt

Entiteitsextractie: entiteiten opgeven

Specificeer te extraheren entiteiten
Noem het uitvoerformaat

text = "The XYZ Mobile X200: a sleek 6.5-inch Super AMOLED smartphone with a 48MP 
triple-camera, octa-core processor, 5000mAh battery, 5G connectivity, and Android 
11 OS. Secure with fingerprint and facial recognition. 128GB storage, expandable up 
to 512GB."

prompt = f"""Identify the following entities from the text delimited by triple backticks:
             - Product Name



           ```{text}```"""
print(get_response(prompt))

Entiteitsextractie: entiteiten opgeven

Specificeer te extraheren entiteiten
Noem het uitvoerformaat

text = "The XYZ Mobile X200: a sleek 6.5-inch Super AMOLED smartphone with a 48MP 
triple-camera, octa-core processor, 5000mAh battery, 5G connectivity, and Android 
11 OS. Secure with fingerprint and facial recognition. 128GB storage, expandable up 
to 512GB."

prompt = f"""Identify the following entities from the text delimited by triple backticks:
             - Product Name
             - Display Size


           ```{text}```"""
print(get_response(prompt))

Entiteitsextractie: entiteiten opgeven

Specificeer te extraheren entiteiten
Noem het uitvoerformaat

text = "The XYZ Mobile X200: a sleek 6.5-inch Super AMOLED smartphone with a 48MP 
triple-camera, octa-core processor, 5000mAh battery, 5G connectivity, and Android 
11 OS. Secure with fingerprint and facial recognition. 128GB storage, expandable up 
to 512GB."

prompt = f"""Identify the following entities from the text delimited by triple backticks:
             - Product Name
             - Display Size
             - Camera Resolution

           ```{text}```"""
print(get_response(prompt))

Entiteitsextractie: entiteiten opgeven

Specificeer te extraheren entiteiten
Noem het uitvoerformaat

text = "The XYZ Mobile X200: a sleek 6.5-inch Super AMOLED smartphone with a 48MP 
triple-camera, octa-core processor, 5000mAh battery, 5G connectivity, and Android 
11 OS. Secure with fingerprint and facial recognition. 128GB storage, expandable up 
to 512GB."

prompt = f"""Identify the following entities from the text delimited by triple backticks:
             - Product Name
             - Display Size
             - Camera Resolution
             Format the answer as an unordered list.
           ```{text}```"""
print(get_response(prompt))

Entiteitsextractie: entiteiten opgeven

Product Name: XYZ Mobile X200
Display Size: 6.5-inch
Camera Resolution: 48MP triple-camera

Entiteitsextractie met few-shot prompts

Voor complexe structuren

ticket_1 = "Hello, I'm Emma Adams. I'd 
like to ask about my reservation with 
the code CAR123. 
You can reach me at +123456 if needed."

ticket_2 = "This is Sarah Williams. 
I would like to request some information
regarding my upcoming flight with 
reservation code FLIGHT987. Thank you."

entities_1 = """
* Customer Details:
  - Name: Emma Adams
  - Phone: +123456
* Reservation Details:
  - Reservation Code: CAR123"""
entities_2 = """
* Customer Details:
  - Name: Sarah Williams
* Reservation Details:
  - Reservation Code: FLIGHT987"""

Entiteitsextractie met few-shot prompts

ticket_3 = "Hello, I'm David Brown (CUST123). I need assistance with my reservation under 
the code HOTEL456. There are some questions and issues related to my upcoming stay that 
require your attention."


prompt = f"""Text: {ticket_1} -> Entities: {entities_1}
             Text: {ticket_2} -> Entities: {entities_2}
             Text: {ticket_3} -> Entities: """
print(get_response(prompt))

* Customer Details:
  - Name: David Brown
  - Customer ID: CUST123
* Reservation Details:
  - Reservation Code: HOTEL456

Laten we oefenen!

Prompt Engineering met de OpenAI API