Эмбеддинги для задач классификации

Введение в эмбеддинги с OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Задачи классификации

Присвоение меток объектам

Категоризация
- Пример: распределение заголовков по темам
Анализ тональности

Таблица тем для категоризации статей.

Задачи классификации

Присвоение меток объектам

Категоризация
- Пример: распределение заголовков по темам
Анализ тональности
- Пример: классификация отзывов как положительных или отрицательных

Эмбеддинги отражают семантическое значение

Таблица со смайликом и грустным лицом для категоризации по тональности.

Классификация с помощью эмбеддингов

Классификация без обучения:
- Не требует размеченных данных

Процесс:

Создать эмбеддинги описаний классов

Эмбеддинги описаний классов в векторном пространстве.

Классификация с помощью эмбеддингов

Классификация без обучения:
- Не требует размеченных данных

Процесс:

Создать эмбеддинги описаний классов
Создать эмбеддинг классифицируемого объекта
Вычислить косинусные расстояния

Эмбеддинги описаний классов в векторном пространстве с неизвестным вектором.

Классификация с помощью эмбеддингов

Классификация без обучения:
- Не требует размеченных данных

Процесс:

Создать эмбеддинги описаний классов
Создать эмбеддинг классифицируемого объекта
Вычислить косинусные расстояния
Присвоить наиболее похожую метку

Эмбеддинги описаний классов в векторном пространстве; неизвестному вектору присвоена метка Tech.

Создание эмбеддингов описаний классов

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


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

class_embeddings = create_embeddings(class_descriptions)

Создание эмбеддинга классифицируемого объекта

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]

Вычисление косинусных расстояний

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)

Извлечение наиболее похожей метки

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

print(label)

Business

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

Ограничение:

Описания классов недостаточно детальны

Более подробные описания

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

Давайте потренируемся!

Введение в эмбеддинги с OpenAI API