Extracția entităților cu învățare în câteva lovituri
Acum vom efectua extragerea entităților datorită învățării în câteva focuri.
Să presupunem că doriți să extrageți titlurile de locuri de muncă de pe site-uri web. Pur și simplu dați câteva exemple de extragere a titlurilor de locuri de muncă înainte de a face cererea propriu-zisă:
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:
Rezultatul va fi următorul:
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
După cum ați observat, trebuie să fim isteți în ceea ce privește modul în care ne facem exemplele cu câteva fotografii. Se poate întâmpla să nu fie găsit niciun titlu de post, motiv pentru care am creat un exemplu care să returneze "niciunul" (evităm astfel falsurile pozitive). Poate doriți să extrageți mai multe titluri de locuri de muncă în același timp? În acest caz, este important să creați și exemple care să returneze mai multe titluri de locuri de muncă (titluri de locuri de muncă separate prin virgulă, de exemplu).
Veți obține rezultate și mai bune dacă adăugați și mai multe exemple. Și este important ca exemplele să fie cât mai apropiate de cererea dvs. finală reală. De exemplu, dacă știți că veți analiza paragrafe întregi în loc de simple propoziții, cel mai bine este să creați și exemple cu paragrafe.
Dacă nu aveți acces la un model GPT, puteți utiliza pur și simplu API-ul NLP Cloud. Sunt disponibili mai mulți clienți (Python, Go, Node.js, Ruby, PHP...). Să prezentăm aici un exemplu care utilizează GPT-J cu clientul 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
)
Rezultatul va fi: CTO
Permiteți-mi să vă dau o scurtă explicație cu privire la parametrii de generare a textului pe care tocmai i-am folosit.
Am stabilit o valoare p de top foarte mică pentru că nu dorim ca GPT-J să creeze rezultate prea originale: vrem doar să se limiteze la ceea ce a văzut în cererea dumneavoastră.
"length_no_input" înseamnă că valoarea maximă a lungimii nu trebuie să ia în considerare textul introdus.
"remove_input" înseamnă că textul de intrare trebuie eliminat din rezultat.
"end_sequence" înseamnă că, atunci când modelul întâlnește acest caracter, trebuie să înceteze să mai genereze text. Deoarece în exemplele noastre cu câteva fotografii am adăugat "###" la sfârșitul fiecărui răspuns, modelul va genera automat "###" după ce a generat răspunsul și se va opri acolo.
"remove_end_sequence" înseamnă că dorim să eliminăm "###" din răspuns.
Puteți vedea mai multe detalii în documentația NLP Cloud: vezi aici.
Ilustrație de adnotare