任务4：ChatGPT文本分类_使用chatglm完成中文文本分类

任务描述

• 任务说明：了解如何使用ChatGPT模型实现文本分类，并将文本数据分配到正确的类别中。
• 任务训练集：

• 任务测试集：

 

• 实践步骤：

1. 在不使用训练集的情况下，编写prompt让ChatGPT对于输入的文本进行分类，需要支持输入5条文本一次回答得到所有类别结果，且分类结果为0或1。
2. 在使用训练集的情况下，编写prompt让ChatGPT对于输入的文本进行分类，需要支持输入5条文本一次回答得到所有类别结果，且分类结果为0或1。
3. 上述实验过程进行截图，哪种方法可以得到更加有效的结果，为什么？

 

ChatGPT Prompt

不使用训练集

prompt：对于输入的文本进行分类，每条文本一行，review后面的文本内容表示用户评价，label表示对这个review的分类，类结果为0或1。0表示负面评价，1表示正面评价。需要支持输入5条文本一次回答得到所有类别结果。{"review":"味道没有传说中好", "label":"0"}

{"review":"太糟了。等了两个小时,牛肉我吃的快吐了,再也不可能第二次", "label":"0"}

{"review":"微辣一点都不辣啊", "label":"1"} 

{"review":"定很多次啦！菜很好吃！也很及时！", "label":"1"} 

{"review":"太慢了、恶死了", "label":"0"}

测试结果：

使用训练集

prompt：对于输入的文本进行分类，每条文本一行，review后面的文本内容表示用户评价，label表示对这个review的分类，类结果为0或1。0表示负面评价，1表示正面评价。需要支持输入5条文本一次回答得到所有类别结果。{"review":"味道没有传说中好", "label":"0"}

{"review":"太糟了。等了两个小时,牛肉我吃的快吐了,再也不可能第二次", "label":"0"}

{"review":"微辣一点都不辣啊", "label":"1"} 

{"review":"定很多次啦！菜很好吃！也很及时！", "label":"1"} 

{"review":"太慢了、恶死了", "label":"0"}

测试结果：根据给出的范例学习如何区分用户的正面评价和负面评价。然后对于输入的文本进行分类，每条文本一行，review后面的文本内容表示用户评价，label表示对这个review的分类，类结果为0或1。0表示负面评价，1表示正面评价。需要支持输入5条文本一次回答得到所有类别结果。

以下是范例：

{"review":"辣，饭冷啦，都两三小时才送来慢", "label":"0"} 

{"review":"足足等了將近一個半小時，飯也基本不太熱了，因為網上付款了所以吃飯就不退送餐費，所以你們就任意遲到，我說的有錯嗎", "label":"0"}

{"review":"送餐的师傅，服务质量太差，送过来都已经坨了", "label":"0"}

{"review":"送的慢了点", "label":"1"} 

{"review":"还行，就是速度好慢，一个多小时", "label":"1"}

{"review":"好慢，差一点就超时能打五折了", "label":"0"}

{"review":"皮太厚，不喜欢", "label":"0"} 

{"review":"卷饼味道真的很一般", "label":"0"}

{"review":"就是太慢了，我12：44才收到，晚了一个小时，饭都凉了。", "label":"0"} 

{"review":"土豆要多煮一下", "label":"0"}。

以下是待测试进行分类的文本：

{"review":"味道没有传说中好", "label":"0"}

{"review":"太糟了。等了两个小时,牛肉我吃的快吐了,再也不可能第二次", "label":"0"} 

{"review":"微辣一点都不辣啊", "label":"1"} 

{"review":"定很多次啦！菜很好吃！也很及时！", "label":"1"} 

{"review":"太慢了、恶死了", "label":"0"}

测试结果：

测试结果分析

是否使用训练集，对本次文本情感分类的结果没有影响。我认为可能是因为并不涉及太专业的背景知识，还是属于通用自然语言理解和情感分类的范畴，不需要进行fine tune也能有很好的效果。