Inbäddningar för klassificeringsuppgifter

Introduktion till inbäddningar med OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Klassificeringsuppgifter

Tilldela etiketter till objekt

Kategorisering
- Exempel: rubriker efter ämne
Sentimentanalys

En tabell med ämnen som kan användas för att kategorisera artiklar.

Klassificeringsuppgifter

Tilldela etiketter till objekt

Kategorisering
- Exempel: rubriker efter ämne
Sentimentanalys
- Exempel: klassificera recensioner som positiva eller negativa

Inbäddningar fångar semantisk betydelse

En tabell med ett glatt och ett ledset ansikte, för kategorisering efter sentiment.

Klassificering med inbäddningar

Zero-shot-klassificering:
- Använder ingen märkt data

Process:

Bädda in klassbeskrivningar

Inbäddade klassbeskrivningar i vektorrummet.

Klassificering med inbäddningar

Zero-shot-klassificering:
- Använder ingen märkt data

Process:

Bädda in klassbeskrivningar
Bädda in objektet som ska klassificeras
Beräkna cosinusavstånd

Inbäddade klassbeskrivningar i vektorrummet, med en okänd vektor.

Klassificering med inbäddningar

Zero-shot-klassificering:
- Använder ingen märkt data

Process:

Bädda in klassbeskrivningar
Bädda in objektet som ska klassificeras
Beräkna cosinusavstånd
Tilldela den mest liknande etiketten

Inbäddade klassbeskrivningar i vektorrummet, med en okänd vektor tilldelad etiketten Tech.

Bädda in klassbeskrivningar

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


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

class_embeddings = create_embeddings(class_descriptions)

Bädda in objektet som ska klassificeras

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]

Beräkna cosinusavstånd

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)

Extrahera den mest liknande etiketten

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

print(label)

Business

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

Begränsning:

Klassbeskrivningarna saknade tillräcklig detalj

Mer detaljerade beskrivningar

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

Nu kör vi en övning!

Introduktion till inbäddningar med OpenAI API