О чём урок
В этом notebook мы будем классифицировать тональность отзывов, используя embeddings и не имея размеченных данных! Dataset был создан в Get_embeddings_from_dataset Notebook. Мы будем считать положительной тональностью отзывы с 4 и 5 звездами, а отрицательной тональностью — отзывы с 1 и 2 звездами. Отзывы с 3 звездами считаются нейтральными и не будут использоваться в этом примере. Мы выполним zero-shot классификацию путем создания embeddings для описаний каждого класса, а затем сравним новые образцы с этими class embeddings. Чтобы выполнить zero-shot классификацию, мы хотим предсказать метки для наших образцов без какого-либо обучения. Для этого мы можем просто создать embeddings для кратких описаний каждой метки, таких как positive и negative, а затем сравнить косинусное расстояние между embeddings образцов и описаний меток. Метка с наибольшим сходством с входным образцом является предсказанной меткой. Мы также можем определить prediction score как разницу между косинусным расстоянием до positive и до negative метки. Этот score можно использовать для построения precision-recall кривой, которая может быть использована для выбора другого компромисса между precision и recall путем выбора другого порога.
План урока
- Zero-shot классификация с помощью embeddings
- Zero-Shot классификация
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.