Inne podejście do klasyfikacji tekstu polega na dostrojeniu modelu sztucznej inteligencji na jednym lub kilku przykładach szkoleniowych, co nazywa się odpowiednio jednorazową lub kilkoma przykładami szkoleniowymi. Jeśli podasz przykłady klasyfikacji tekstu, model może poznać informacje o kategoriach obiektów na podstawie tych przykładów. Jest to nadzbiór klasyfikacji zerowej, który umożliwia klasyfikację tekstu poprzez dostarczenie modelowi trzech do czterech zróżnicowanych przykładów. Może to być przydatne szczególnie w dalszych przypadkach użycia, które wymagają pewnego poziomu ustawień kontekstu. Spójrzmy na następujący przykład klasyfikacji kilkustrzałowej. Prosimy model o przeprowadzenie klasyfikacji analizy nastrojów na Twitterze i podanie trzech przykładów tweetów w celu zilustrowania każdej z możliwych etykiet: pozytywnej, neutralnej i negatywnej. Jak widać na rysunku , model wyposażony w tak szczegółowy kontekst na podstawie kilku przykładów jest w stanie w bardzo prosty sposób przeprowadzić analizę nastrojów kolejnego tweeta.
UWAGA: Kiedy odtwarzasz przykłady podpowiedzi z książki lub tworzysz własne, upewnij się, że w podpowiedziach znajdują się odpowiednie odstępy między wierszami. Dodatkowa linijka po akapicie może dać zupełnie inny wynik, więc warto się z tym pobawić i zobaczyć, co będzie dla Ciebie najlepsze.
Oto nasz monit:
Przeanalizuj tweet pod kątem jego nastrojów. W zależności od
sentyment, klasyfikacja
je jako pozytywne, neutralne lub negatywne.
Tweet: „Poważnie martwię się, że będzie superinteligentna sztuczna inteligencja
rozczarowany
ludzie.”
Analiza nastrojów (pozytywna, neutralna, negatywna): negatywna
Tweet: „Nie mogę się doczekać pojawienia się superinteligentnej sztucznej inteligencji i
pogłębić nasze
zrozumienia Wszechświata.”
Analiza nastrojów (pozytywny, neutralny, negatywny): pozytywny
Tweet: „Myślę, że nie jest to ani super prawdopodobne, ani super nieprawdopodobne
super
pewnego dnia pojawi się inteligentna sztuczna inteligencja.”
Analiza nastrojów (pozytywna, neutralna, negatywna): neutralna
Tweet: „Super inteligentna sztuczna inteligencja będzie najbardziej ekscytująca
odkrycie w człowieku
historia.”
Analiza nastrojów (pozytywny, neutralny, negatywny):
I wynik:
pozytywny