Урок из полного доступа, первые уроки курса бесплатно Официальный курс Cohere LLM University на русском
Урок 43 · Текст · ~5 мин

Генерация контента по ключевым словам

Урок 43 из 114 курса «Cohere: LLM University»: официальный курс Cohere LLM University (Кохир) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Генеративные модели оказались чрезвычайно полезными для генерации идей контента. Однако они не учитывают пользовательский поисковый спрос и тенденции. В этом блокноте давайте посмотрим, как мы можем решить эту проблему, добавив исследование ключевых слов в уравнение.

Прочитайте сопутствующую статью в блоге здесь.

Во-первых, нам нужно получить запас высокочастотных ключевых слов для заданной темы. Мы можем получить их с помощью инструментов для исследования ключевых слов, которых доступно множество. Мы будем использовать Google Keyword Planner, который бесплатен.

Теперь у нас есть список ключевых слов, но этот список все еще необработан. Например, «managing remote teams» является самым высокорейтинговым ключевым словом в этом списке. Но в то же время в списке есть много похожих ключевых слов, таких как «how to effectively manage remote teams».

Мы можем сделать это, сгруппировав их по темам. Для этого мы будем использовать endpoint Embed от Cohere и scikit-learn.

Endpoint Cohere Embed преобразует текстовый ввод в текстовое embedding.

Затем мы используем эти embeddings для кластеризации ключевых слов. Распространенный термин, используемый для этого упражнения, — «тематическое моделирование». Здесь мы можем использовать модуль KMeans из scikit-learn, алгоритм машинного обучения для кластеризации.

Мы используем Chat для генерации названия темы для этого кластера.

Теперь, когда у нас есть ключевые слова, аккуратно сгруппированные по темам, мы можем приступить к генерации идей контента.

Здесь мы можем применить фильтр, чтобы выбрать только N лучших ключевых слов из каждой темы, отсортированных по объему поиска. В нашем случае мы используем 10.

Далее мы используем endpoint Chat для генерации идей контента. Prompt, который мы будем использовать, выглядит следующим образом

Далее мы генерируем идеи для постов в блоге. Функция принимает строку ключевых слов, вызывает endpoint Chat и возвращает сгенерированный текст.

План урока

  1. Встраивание ключевых слов с помощью Cohere Embed
  2. Кластеризация ключевых слов по темам с помощью scikit-learn
  3. Генерация названий тем с помощью Cohere Chat
  4. Выбираем лучшие ключевые слова из каждой темы
  5. Создание prompt с этими ключевыми словами
  6. Генерация идей контента

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Cohere 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Cohere (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Полезные гиды