Extrakcia entít pomocou učenia s niekoľkými zábermi
Teraz vykonáme extrakciu entít pomocou učenia s niekoľkými zábermi.
Povedzme, že chcete extrahovať názvy pracovných miest z webových stránok. Jednoducho uveďte niekoľko príkladov extrakcie názvov pracovných pozícií predtým, ako zadáte skutočnú požiadavku:
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:
Výsledok bude nasledovný:
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
Ako ste si všimli, musíme si uvedomiť, ako vytvárame príklady s niekoľkými zábermi. Môže sa stať, že sa nenájde vôbec žiadna pracovná pozícia, preto sme vytvorili príklad, ktorý vracia hodnotu "none" (zabráni sa tak falošným poplachom). Možno chcete získať niekoľko názvov pracovných miest naraz? V takom prípade je dôležité vytvoriť príklady, ktoré vrátia aj niekoľko názvov pracovných miest (napríklad názvy pracovných miest oddelené čiarkou).
Ešte lepšie výsledky dosiahnete, ak pridáte ešte viac príkladov. A je dôležité, aby vaše príklady boli čo najbližšie k vašej skutočnej konečnej požiadavke. Ak napríklad viete, že budete analyzovať celé odseky namiesto obyčajných viet, je najlepšie vytvoriť príklady aj s odsekmi.
Ak nemáte prístup k modelu GPT, môžete jednoducho použiť rozhranie API služby NLP Cloud. K dispozícii je niekoľko klientov (Python, Go, Node.js, Ruby, PHP...). Ukážeme si tu príklad použitia GPT-J s klientom 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
)
Výsledkom bude: CTO
Dovoľte mi, aby som vám v krátkosti vysvetlil parametre generovania textu, ktoré sme práve použili.
Nastavili sme veľmi nízku hornú hodnotu p, pretože nechceme, aby GPT-J vytváral príliš originálne výsledky: chceme len, aby sa držal toho, čo videl vo vašej požiadavke.
"length_no_input" znamená, že hodnota maximálnej dĺžky by nemala zohľadňovať vstupný text.
"remove_input" znamená, že vstupný text by sa mal z výsledku odstrániť.
"end_sequence" znamená, že keď sa model stretne s týmto znakom, mal by prestať generovať text. Keďže v našich príkladoch s niekoľkými zábermi sme na koniec každej odpovede pridali "###", model po vygenerovaní odpovede automaticky vygeneruje "###" a tam sa zastaví.
"remove_end_sequence" znamená, že chceme z odpovede odstrániť "###".
Ďalšie podrobnosti nájdete v dokumentácii k službe NLP Cloud: pozrite si ho tu.
Ilustrácia anotácie