分類タスクへの埋め込みの活用

OpenAI API で学ぶ埋め込み入門

Emmanuel Pire

Senior Software Engineer, DataCamp

分類タスク

項目にラベルを割り当てる

分類
- 例: 見出しをトピックごとに分類
感情分析

A table of topics that we could use to categorize articles.

分類タスク

項目にラベルを割り当てる

分類
- 例: 見出しをトピックごとに分類
感情分析
- 例：レビューをポジティブ/ネガティブに分類

埋め込みはセマンティックな意味を捉える

A table containing a smiley and a sad face, which could be used to categorize by sentiment.

埋め込みを用いた分類

ゼロショット分類:
- ラベル付きデータを使用しない

プロセス:

クラスの説明を埋め込む

Embedded class descriptions in the vector space.

埋め込みを用いた分類

ゼロショット分類:
- ラベル付きデータを使用しない

プロセス:

クラスの説明を埋め込む
分類する項目を埋め込む
コサイン距離を計算する

Embedded class descriptions in the vector space, with an unknown vector shown.

埋め込みを用いた分類

ゼロショット分類:
- ラベル付きデータを使用しない

プロセス:

クラスの説明を埋め込む
分類する項目を埋め込む
コサイン距離を計算する
最も近いラベルを割り当てる

Embedded class descriptions in the vector space, with an unknown vector assigned the Tech label.

クラスの説明を埋め込む

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


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

class_embeddings = create_embeddings(class_descriptions)

分類する項目を埋め込む

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]

コサイン距離を計算する

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)

最も近いラベルを抽出する

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

print(label)

Business

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

アプローチの限界

クラスの説明が十分ではない

より詳細な説明

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

練習しましょう！

OpenAI API で学ぶ埋め込み入門