前言

在之前我们借助HuggingFace提供的"Transformers"情感分析模型对不同类型的词语进行了正负面情感分析，可能有些小伙伴会觉得写的代码太多了，过程太复杂了，那么今天我们直接调用OpenAI的PIP，一起来欣赏下如何不用写那么多代码，也能完成更NB的情感分析！

准备工作

我们最重要的是我们能够获取一个还有Tokens的api_key然后能够打开Colab网站，对此不熟悉得可以去看下面这篇文章，文章内有详细的步骤讲解

［教学篇］学会使用OpenAI 你也能成为跨境电商'超人'

一个Google 账号（www.google.com/）

一个OpenAI 账号（openai.com/）

打开OpenAI生成一个APIKey

Colab 网站：（colab.research.google.com/notebooks/w...

调用OpenAI的API_key实现情感分析

OK，那让我们现在开始今天精彩的AIGC实战，首先打开Colab网站，点击文件然后新建一个笔记本。

接着我们安装下Openai0.10.2版本，代码如下：

js 复制代码

!pip install openai==0.10.2

如果结果和我一样则说明你安装成功啦~

接着让我们导入OpenAI的自动完成模型和我们获取到的api_key，然后再编写我们的Completion模块，我们选择接收completion模块提供的文本中的第一条并且赋值给message，最终返回message，代码如下：

js 复制代码

import openai
COMPLETION_MODEL = 'text-davinci-003'
openai.api_key='输入api_key'

def get_response(prompt, temperature=1.0):
  completions = openai.Completion.create(
    engine = COMPLETION_MODEL,
    prompt = prompt,
    max_tokens = 1024,
    n = 1,
    # null True
    stop = None,
    temperature = temperature
  )
  print(completions)
  message = completions.choices[0].text
  return message

执行成功后，我们需要传入prompt，为了训练我们这个大模型能够满足我们的精细化要求，我们需要举例为其提供数据，输出跟我们提供的模板一样的结果，然后定义一个变量接收我们提供的例子和我们需要其判断情感类型的例子，代码如下：

js 复制代码

prompts = """判断一下用户的评论情感上是正面的还是负面的
评论：买的银色版真的很好看，一天就到了，晚上就开始拿起来完系统很丝滑流畅，做工扎实，手感细腻，很精致哦苹果一如既往的好品质
情感：正面

评论：随意降价，不予价保，服务态度差
情感：负面
"""

good_case = prompts + """
评论：外形外观：苹果审美一直很好，金色非常漂亮拍照效果：14pro升级的4800万像素真的是没的说，太好了，运行速度：苹果的反应速度好，
用上三五年也不会卡顿的，之前的7P用到现在也不卡其他特色：14pro的磨砂金真的太好看了，不太高调，也不至于没有特点，非常耐看，很好的
情感：
"""
print(get_response(good_case))

最后我们运行当前程序，然后看看输出的结果是不是正确符合我们正常认知判断

我们可以看到OpenAI提供了一条respsonse结果的各种信息并且最终为我们判断这条评论属于正面，如果你的运行结果和我一样，那么恭喜你，调用OpenAI大模型完成情感分析的任务就完成啦~

结语

大家对于AIGC方向感兴趣的话可以点点关注,我之后会在专栏中持续更新这一系列的文章,带你从慢慢了解使用各种大模型😘

到这里我们今天的内容就分享结束啦点个赞吧♥

感谢各位读者观看，如果有收获的话，收藏+关注 Coding不迷路

【AIGC】更牛逼的”情感分析“大模型 这次我们用OpenAI”自动完成模型“省去复杂的代码一步到位

前言

准备工作

调用OpenAI的API_key实现情感分析

结语

大家对于AIGC方向感兴趣的话可以点点关注,我之后会在专栏中持续更新这一系列的文章,带你从慢慢了解使用各种大模型😘

【AIGC】更牛逼的”情感分析“大模型这次我们用OpenAI”自动完成模型“省去复杂的代码一步到位