1.情感推断
1.1大模型可以推断一段文本的情感倾向,比如积极的、生气的、沮丧的
1.2大模型可以对一段文本的情感趋向进行详细的描述
2.信息提取
2.1大模型可以提取文本中一些重要的信息并用json的形式列出来
2.2大模型还可以提取文本的主题,比如一篇文本描述的对象、行为、主人公和文本性质。
例子:
prompt = f"""
判断主题列表中的每一项是否是给定文本中的一个话题,
以列表的形式给出答案,每个元素是一个Json对象,键为对应主题,值为对应的 0 或 1。
主题列表:美国航空航天局、当地政府、工程、员工满意度、联邦政府
给定文本: ```{story}```
"""
response = get_completion(prompt)
print(response)
指令:
result_lst = eval(response)
topic_dict = {list(i.keys())[0] : list(i.values())[0] for i in result_lst}
print(topic_dict)
if topic_dict['美国航空航天局'] == 1:
print("提醒: 关于美国航空航天局的新消息")
结果:
{'美国航空航天局': 1, '当地政府': 1, '工程': 0, '员工满意度': 1, '联邦政府': 1}
提醒: 关于美国航空航天局的新消息