Extrakce entit pomocí učení s několika snímky
Nyní provedeme extrakci entit díky učení několika snímků.
Řekněme, že chcete z webových stránek extrahovat názvy pracovních pozic. Než zadáte vlastní požadavek, jednoduše uveďte několik příkladů extrakce názvů pracovních míst:
Extract job titles from the following sentences.
Sentence: John Doe has been working for Microsoft for 20 years as a Linux Engineer.
Job title: Linux Engineer
###
Sentence: John Doe has been working for Microsoft for 20 years and he loved it.
Job title: none
###
Sentence: Marc Simoncini | Director | Meetic
Job title: Director
###
Sentence: Franck Riboud was born on 7 November 1955 in Lyon. He is the son of Antoine Riboud, who transformed the former European glassmaker BSN Group into a leading player in the food industry. He is the CEO at Danone.
Job title: CEO
###
Sentence: Damien is the CTO of Platform.sh, he was previously the CTO of Commerce Guys, a leading ecommerce provider.
Job title:
Výsledek bude následující:
Extract job titles from the following sentences.
Sentence: John Doe has been working for Microsoft for 20 years as a Linux Engineer.
Job title: Linux Engineer
###
Sentence: John Doe has been working for Microsoft for 20 years and he loved it.
Job title: none
###
Sentence: Marc Simoncini | Director | Meetic
Job title: Director
###
Sentence: Franck Riboud was born on 7 November 1955 in Lyon. He is the son of Antoine Riboud, who transformed the former European glassmaker BSN Group into a leading player in the food industry. He is the CEO at Danone.
Job title: CEO
###
Sentence: Damien is the CTO of Platform.sh, he was previously the CTO of Commerce Guys, a leading ecommerce provider.
Job title: CTO
Jak jste si všimli, musíme být chytří při vytváření příkladů s několika snímky. Může se stát, že nebude nalezen vůbec žádný název pracovní pozice, a proto jsme vytvořili příklad vracející "žádný" (zabrání se tak falešným pozitivním výsledkům). Možná chcete získat několik názvů pracovních míst najednou? V takovém případě je důležité vytvořit příklady vracející také několik názvů pracovních míst (například názvy pracovních míst oddělené čárkou).
Ještě lepších výsledků dosáhnete, když přidáte ještě více příkladů. A je důležité, aby se vaše příklady co nejvíce blížily skutečnému konečnému požadavku. Pokud například víte, že budete analyzovat celé odstavce místo pouhých vět, je nejlepší vytvořit příklady i s odstavci.
Pokud nemáte přístup k modelu GPT, můžete jednoduše použít rozhraní API služby NLP Cloud. K dispozici je několik klientů (Python, Go, Node.js, Ruby, PHP...). Zde si ukážeme příklad použití GPT-J s klientem Python:
import nlpcloud
client = nlpcloud.Client("gpt-j", "your API token", gpu=True)
client.generation("""Extract job titles from the following sentences.
Sentence: John Doe has been working for Microsoft for 20 years as a Linux Engineer.
Job title: Linux Engineer
###
Sentence: John Doe has been working for Microsoft for 20 years and he loved it.
Job title: none
###
Sentence: Marc Simoncini | Director | Meetic
Job title: Director
###
Sentence: Franck Riboud was born on 7 November 1955 in Lyon. He is the son of Antoine Riboud, who transformed the former European glassmaker BSN Group into a leading player in the food industry. He is the CEO at Danone.
Job title: CEO
###
Sentence: Damien is the CTO of Platform.sh, he was previously the CTO of Commerce Guys, a leading ecommerce provider.
Job title:""",
top_p=0.1,
length_no_input=True,
remove_input=True,
end_sequence="###",
remove_end_sequence=True
)
Výsledkem bude: CTO
Dovolte mi, abych vám stručně vysvětlil parametry generování textu, které jsme právě použili.
Nastavili jsme velmi nízkou horní hodnotu p, protože nechceme, aby GPT-J vytvářel příliš originální výsledky: chceme jen, aby se držel toho, co viděl ve vašem požadavku.
"length_no_input" znamená, že hodnota maximální délky by neměla zohledňovat vstupní text.
"remove_input" znamená, že vstupní text má být z výsledku odstraněn.
"end_sequence" znamená, že když model narazí na tento znak, měl by přestat generovat text. Protože jsme v našich příkladech s několika snímky přidali na konec každé odpovědi znak "###", model po vygenerování odpovědi automaticky vygeneruje znak "###" a tím se zastaví.
"remove_end_sequence" znamená, že chceme z odpovědi odstranit "###".
Další podrobnosti naleznete v dokumentaci služby NLP Cloud: viz zde.
Ilustrace anotace