[AIGC]-利用OpenAI进行NLP情感分析-情感大师（进阶版）-灵析社区

乌兰推

前言

​ 我们在之前的文章,初次体验了OpenAIOpenAI初体验：如何利用OpenAI成为一名跨境电商"超人"-小白篇

我们也在之前文章中，学会了客服对话的生成：[AIGC->OpenAI体验]虚拟客服对话生成-如何利用OpenAI成为"客服超人"

在上一篇，我们介绍了利用AIGC进行关键词情感分析！：[AIGC]-OpenAI情感分析-如何利用OpenAI成为“情感大师”?

​ 今天，我们在昨天的基础上来学习利用AI完成关键词情感分析(进阶版)！

正文

必备工具

  1. Google账户
  2. OpenAI账号
  3. Colab网站：colab.research.google.com/
  4. OpenAI网站：openai.com/
  5. 能正常访问以上网站的途径:魔法
  6. AI应用
  • openai 0.10.2 版本
  • text-davinci-003模型
  • OpenAI-ApiKey
  • OpenAI->completion模块

介绍主要模块

OpenAI 0.10.2版本是一个较早的GPT-3模型版本，发布于2020年10月。这个版本的功能包括：

  1. 强大的自然语言生成能力：GPT-3模型在自然语言生成方面具有很强的能力，能够根据用户的输入生成流畅、连贯、符合语法规则的文本。
  2. 支持多种语言：OpenAI 0.10.2版本支持多种语言，包括英语、西班牙语、法语、德语、意大利语等。
  3. 文本生成与修改：GPT-3模型不仅可以生成全新的文本，还可以对已有的文本进行修改和优化，比如自动修正语法错误、优化文章结构等。
  4. 实时翻译：GPT-3模型还支持实时翻译，可以将输入的文本翻译成其他语言，并生成对应的译文。
  5. 文本分类和情感分析：GPT-3模型还可以对文本进行分类和情感分析，比如判断一段文本属于哪个类别或者表达的情感是正面还是负面。
  6. 其他应用：除了以上功能，OpenAI 0.10.2版本还可以用于其他应用，比如自动摘要、问答系统等。

Text-Davinci-003模型是GPT-3系列中的最新型号，也是目前功能最强大的GPT-3模型之一。它具有以下功能：

  1. 生成高质量的写作：Text-Davinci-003可以生成更清晰、更有吸引力、更引人注目的内容，帮助开发人员开发出更好的应用程序。
  2. 处理更复杂的需求指令：与之前的GPT-3模型相比，Text-Davinci-003可以处理更复杂的需求指令，使开发人员能够更好地发挥创意，实现更复杂的应用程序交互和多步操作。
  3. 支持生成较长形式的内容：Text-Davinci-003支持生成较长形式的内容，如长篇文章、技术文档等，可以帮助开发人员执行以往可能难以完成的任务。
  4. 文本插入完成功能：Text-Davinci-003添加了文本插入完成功能，除了运用前缀提示之外，还增加使用后缀提示，可用于编写长文本、段落过渡和遵循大纲等任务中。
  5. 适用于程序代码完成：Text-Davinci-003也可以适用于程序代码完成，可用于补完函数或是文件。

实操

1. 进行Cobalb模型安装

首先我们打开Coblab网站：

选择文件:

新建笔记本

点击+代码

然后在我们的代码框中输出下述代码并且运行：

# openai 情感分类 更牛逼 Completions 
!pip install openai==0.10.2 #指定版本

这样就算安装成功了

2. 使用OpenAI的API来创建一个自然语言生成模型

如果大家还有不懂怎么使用OpenAI的API的同学可以前往：OpenAI初体验：如何利用OpenAI成为一名跨境电商"超人"-小白篇 - 掘金 (juejin.cn)学习!

我们输入下面的代码来创建自然语言生成模型：

import openai
COMPLETION_MODEL = 'text-davinci-003'
openai.api_key='这里输入你获取的OpenAi的APIKEY值'
def get_response(prompt, temperature=1.0):
  # completion模块
  # 生成内容 同步的
  # 调用openai库的Comletion模块，创建一个新的
  # 字典 {k:v}
  completions = openai.Completion.create(
      engine = COMPLETION_MODEL,
      prompt = prompt,
      max_tokens = 1024,
      n = 1,
      # None是关键字Null True
      stop = None,
      temperature=temperature
  )
  #JSON choices txt
  print(completions)
  message = completions.choices[0].text
  return message

这里，如果我们成功运行就表示自然语言模型生成成功啦!

3. 输入情感分析案例进行情感识别

我们输入下列代码:

# openai 开发范式
# NLP transformers coding->openai prompt engineer
# prompt 设计 精细化的需求,举例 数据
prompts = """判断一下用户的评论情感上是正面的还是负面的
评论：买的银色版真的很好看，一天就到了，晚上就开始拿起来完系统很丝滑流畅，做工扎实，手感细腻，很精致哦苹果一如既往的好品质
情感：正面

评论：随意降价，不予价保，服务态度差
情感：负面

"""
# 吴恩达prompt engineer
good_case = prompts +"""
评论：外形外观：苹果审美一直很好，金色非常漂亮拍照效果：14pro升级的4800万像素真的是没的说，太好了，运行速度：苹果的反应速度好，用上三五年也不会卡顿的，之前的7P用到现在也不卡其他特色：14pro的磨砂金真的太好看了，不太高调，也不至于没有特点，非常耐看，很好的情感：
情感：

"""

这段代码是关于OpenAI和NLP（自然语言处理）的示例，展示了如何使用OpenAI进行NLP任务，特别是针对文本的情感分析。

Prompt Engineer方法是一种通过预先定义好的提示来引导模型进行特定任务的方法。在这个例子中，我们用到了“判断一下用户的评论情感上是正面的还是负面的”这个提示来引导模型对给定的评论进行情感分类。

在“good_case”字符串中，我们看到了一个类似的prompt，但这次它没有直接给出情感，而是要求模型根据评论来预测情感。这个prompt被用来测试模型是否能够正确地根据评论预测出正确的情感。

我们来看看输出结果：

print(get_response(good_case))
输出：
{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "text": "\u6b63\u9762"
    }
  ],
  "created": 1699531125,
  "id": "cmpl-8IxyH3GYn1R6hGuJs1wDgzhDqnEPq",
  "model": "text-davinci-003",
  "object": "text_completion",
  "usage": {
    "completion_tokens": 5,
    "prompt_tokens": 533,
    "total_tokens": 538
  },
  "warning": "This model version is deprecated. Migrate before January 4, 2024 to avoid disruption of service. Learn more https://platform.openai.com/docs/deprecations"
}
正面

这样，我们就利用了OpenAI对一段话进行情感判断！










阅读量：2018

点赞量：0

收藏量:0