前言

今天我们来聊聊如何用openai进行情感分析，判断用户评论的正负面性

准备工作

Google 账号
Openai 账号
Openai 网址为 openai.com/
Google Colab 网址为 colab.research.google.com/。

通过 Google Colab，用户可以创建和共享Jupyter笔记本，运行Python代码，访问云端计算资源，以及使用大量开源机器学习框架和库，而无需担心硬件或软件配置问题。而我们这里需要一点点的python 和 openai结合，当我们使用Google Colab 运行python时，可以不用担心配置环境。

注意，以上这些网站均为外网，当我们访问这些网站时，需要 "搭梯子"，具体可以去网上看看教程

openAI

OpenAI GPT（Generative Pre-trained Transformer）模型的强大之处在于其在大规模文本数据上进行预训练，学习了丰富的语言知识。虽然 GPT 模型本身并没有专门为情感分析设计，但它可以用于该任务，因为它具有对自然语言的深刻理解。

在使用 GPT 进行情感分析时，可以利用以下几个功能：

语言理解： GPT 模型通过预训练学到了大量的语言知识，包括语法、词汇、上下文理解等。这使得它能够理解输入文本的含义，包括其中包含的情感色彩。
文本生成： GPT 可以生成与输入文本相匹配的自然语言文本。这对于生成情感分析的结果或解释性文本非常有用。
上下文感知： GPT 是一个上下文感知的模型，它可以考虑输入文本的整体上下文，而不仅仅是单个句子。这对于处理复杂的情感语境很重要。
生成性能： GPT 是一个生成模型，可以生成自然语言文本。这使得它在产生情感分析的结果时能够表达更加自然和多样的语言。

正文

首先进入openai网站，拿到我们的sdk。教程如下：

选择VPI

复制我们的API keys，如果没有的话点击Create new secret key,这样我们就可以拿到我们的sdk了。

接下来我们进入Google Colab网站，将代码放进此网站运行。这个网站十分的方便，当我们使用Google Colab 运行python时，可以不用担心配置环境。

点击文件-> 新建笔记本点击左上角 +代码

正文

输入 !pip install openai==0.10.2 ,安装名为openai的安装包,版本号为0.10.2

当左下角出现Successfully时，说明安装成功。

输入：

python 复制代码

import openai

# 设置 Completion 模型的引擎为 'text-davinci-003'
COMPLETION_MODEL = 'text-davinci-003'

# 设置 OpenAI API 密钥
openai.api_key = "这里输入你的sdk"

# 定义一个函数，用于获取模型生成的文本响应
def get_response(prompt, temperature=1.0):
    # 调用 OpenAI 库的 Completion 模块，创建一个新的 completion（完成）任务
    completions = openai.Completion.create(
        engine=COMPLETION_MODEL,
        prompt=prompt,
        max_tokens=1024,  # 生成的最大 tokens 数量
        n=1,  # 生成语句的数量
        stop=None,  # 停止词，这里设置为 None，表示不指定停止词
        temperature=temperature  # 控制生成文本的多样性，1.0 表示中等温度
    )

    # 打印生成的 completion 信息（可选）
    print(completions)

    # 从生成的选择中获取文本
    message = completions.choices[0].text

    return message

import openai: 引入 OpenAI Python 客户端库，以便在 Python 中使用 OpenAI 提供的 API。
COMPLETION_MODEL = 'text-davinci-003': 设置使用的 GPT 模型的引擎为 "text-davinci-003"，这是 DaVinci 模型系列的一个特定版本。
openai.api_key="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": 设置 OpenAI API 密钥，以进行 API 请求。
def get_response(prompt, temperature=1.0): 定义一个函数，用于获取模型生成的文本响应。函数接受两个参数：prompt 是生成文本的输入提示，temperature 是控制生成文本多样性的参数，默认值为 1.0。
openai.Completion.create(...): 调用 OpenAI 库的 Completion 模块，创建一个新的 Completion 任务。该任务包括使用指定引擎（模型）、输入提示、生成的最大 tokens 数量、生成语句的数量、停止词等参数。
- engine = COMPLETION_MODEL: 指定使用的 GPT 模型引擎。
- prompt = prompt: 提供生成文本的输入提示。
- max_tokens = 1024: 指定生成的最大 tokens 数量。
- n = 1: 指定生成语句的数量为 1。
- stop = None: 停止词，这里设置为 None，表示不指定停止词。
- temperature = temperature: 控制生成文本的多样性，1.0 表示中等温度。
print(completions): 打印生成的 Completion 任务的详细信息（可选，用于调试目的）。
message = completions.choices[0].text: 从生成的选择中获取文本，这里取第一个选择的文本。
return message: 将生成的文本作为函数的返回值。

接下来我们设计一下prompt：

提供一个包含用户评论及其情感标签的字符串变量 prompts，然后通过将这个字符串与额外的评论连接，形成一个新的字符串变量 good_case。使用模型对这些评论进行情感分析，并将判断结果填充到相应的位置。根据评论的内容，这个额外的评论是正面的，但是由于 情感： 部分没有具体的值，因此需要使用情感分析模型来确定情感标签。

我们来看看输出：

今天的内容就到这啦，如果你觉得小编写的还不错的话，或者对你有所启发，请给小编一个辛苦的赞吧

AIGC: 聊聊如何利用openai判断用户评论时的情感

前言

openAI

正文

正文