Textklassificering

Introduktion till generativ AI i Snowflake

James Cha-Earley

Senior Developer Advocate, Snowflake

Utmaningar med textklassificering

Problemet

Recensioner kan innehålla vilken information som helst

Manuell kategorisering är tidskrävande och skalbar inte

Lösningen

Automatisera med Snowflake Cortex!

classify_text()

Definiera kategorier

# Define categories
categories = ["overall_experience", "location", "staff", "food_beverages",
              "facilities"]

Klassificera text

from snowflake.cortex import classify_text


category = classify_text(
    str_input="The check-in was smooth and the staff were very friendly.",
    categories=categories
)


print(category)

{  
  "label": "staff"  
}

Konvertera utdata till ett lexikon

print(type(category))

<class 'str'>

import json

category_dict = json.loads(category)
print(type(category_dict))

<class 'dict'>

Skala upp arbetsflödet

Klassificeringspipeline som kategoriserar recensioner för en given månad

# Python code
month = 5

-- SQL query
SELECT *
FROM HOTELS.REVIEWS
WHERE EXTRACT(month FROM date) = '{{month}}'

Använda classify_text()

df = cell2.to_pandas()


def classification(text):
    result = classify_text(
        str_input=text,
        categories=labels
    )
    result_dict = json.loads(result)
    return result_dict["label"]

Använda classify_text()

# Apply classification to the DataFrame
df["category"] = reviews["DESCRIPTION"].apply(classification)


# Print the first row's predicted category
print(df["category"].head(1))

0    overall_experience  
Name: category, dtype: object

Sentimentanalys

Bara intresserad av sentimentet i recensionerna

AI_SENTIMENT i en SQL-cell

Sentimentanalys

AI_SENTIMENT – extrahera ett sentiment

Tillgängliga sentiment: positive, negative, neutral, mixed och unknown

Nu kör vi en övning!

Introduktion till generativ AI i Snowflake