Az Atışlı Öğrenme ile Varlık Çıkarma
Şimdi birkaç vuruşlu öğrenme sayesinde varlık çıkarma işlemini gerçekleştireceğiz.
Diyelim ki web sitelerinden iş unvanlarını çıkarmak istiyorsunuz. Asıl talebinizi yapmadan önce birkaç iş unvanı çıkarma örneği vermeniz yeterlidir:
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:
Sonuç aşağıdaki gibi olacaktır:
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
Fark ettiğiniz gibi, az sayıda örnek oluşturma konusunda akıllı davranmamız gerekiyor. Hiçbir iş unvanı bulunamayabilir, bu yüzden "hiçbiri" döndüren bir örnek oluşturduk (yanlış pozitifleri önler). Belki de aynı anda birkaç iş unvanı çıkarmak istiyorsunuz? Bu durumda da birkaç iş unvanı döndüren örnekler oluşturmak önemlidir (örneğin virgülle ayrılmış iş unvanları).
Daha fazla örnek ekleyerek daha da iyi sonuçlar elde edersiniz. Örneklerinizin gerçek nihai talebinize mümkün olduğunca yakın olması önemlidir. Örneğin, yalnızca cümleler yerine tüm paragrafları analiz edeceğinizi biliyorsanız, paragrafları da içeren örnekler oluşturmak en iyisidir.
Eğer bir GPT modeline erişiminiz yoksa, NLP Cloud API'sini kullanabilirsiniz. Çeşitli istemciler mevcuttur (Python, Go, Node.js, Ruby, PHP...). Burada Python istemcisi ile GPT-J kullanarak bir örnek gösterelim:
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
)
Sonuç şöyle olacak: CTO
Size az önce kullandığımız metin oluşturma parametreleri hakkında kısa bir açıklama yapmama izin verin.
Çok düşük bir üst p değeri belirledik çünkü GPT-J'nin çok orijinal sonuçlar yaratmasını istemiyoruz: sadece isteğinizde gördüğü şeye sadık kalmasını istiyoruz.
"length_no_input" maksimum uzunluk değerinin girdi metnini dikkate almaması gerektiği anlamına gelir.
"remove_input" girdi metninin sonuçtan çıkarılması gerektiği anlamına gelir.
"end_sequence", modelin bu karakterle karşılaştığında metin üretmeyi durdurması gerektiği anlamına gelir. Birkaç atışlık örneklerimizde her yanıtın sonuna "###" eklediğimiz gibi, model yanıtı oluşturduktan sonra otomatik olarak "###" oluşturacak ve orada duracaktır.
"remove_end_sequence", yanıttan "###" ifadesini kaldırmak istediğimiz anlamına gelir.
NLP Cloud belgelerinde daha fazla ayrıntı görebilirsiniz: Burada gör.
Ek açıklama illüstrasyonu