Embeddingi w zadaniach klasyfikacji

Wprowadzenie do osadzeń z OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Zadania klasyfikacji

Przypisywanie etykiet do elementów

Kategoryzacja
- Przykład: nagłówki według tematów
Analiza sentymentu

Tabela tematów do kategoryzacji artykułów.

Zadania klasyfikacji

Przypisywanie etykiet do elementów

Kategoryzacja
- Przykład: nagłówki według tematów
Analiza sentymentu
- Przykład: klasyfikacja recenzji jako pozytywnych lub negatywnych

Embeddingi oddają semantyczne znaczenie

Tabela z uśmiechniętą i smutną buźką do kategoryzacji według sentymentu.

Klasyfikacja z użyciem embeddingów

Klasyfikacja zero-shot:
- Bez użycia danych z etykietami

Proces:

Utwórz embeddingi opisów klas

Embeddingi opisów klas w przestrzeni wektorowej.

Klasyfikacja z użyciem embeddingów

Klasyfikacja zero-shot:
- Bez użycia danych z etykietami

Proces:

Utwórz embeddingi opisów klas
Utwórz embedding klasyfikowanego elementu
Oblicz odległości cosinusowe

Embeddingi opisów klas w przestrzeni wektorowej z zaznaczonym nieznanym wektorem.

Klasyfikacja z użyciem embeddingów

Klasyfikacja zero-shot:
- Bez użycia danych z etykietami

Proces:

Utwórz embeddingi opisów klas
Utwórz embedding klasyfikowanego elementu
Oblicz odległości cosinusowe
Przypisz najbardziej podobną etykietę

Embeddingi opisów klas w przestrzeni wektorowej z wektorem przypisanym do etykiety Tech.

Tworzenie embeddingów opisów klas

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


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

class_embeddings = create_embeddings(class_descriptions)

Tworzenie embeddingu klasyfikowanego elementu

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]

Obliczanie odległości cosinusowych

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)

Wyodrębnianie najbardziej podobnej etykiety

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

print(label)

Business

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

Ograniczenie:

Opisy klas były niewystarczająco szczegółowe

Bardziej szczegółowe opisy

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

Czas na ćwiczenia!

Wprowadzenie do osadzeń z OpenAI API