文本分类
使用语言模型进行文本分类，就是给文本分配特定的标签。为此，向模型提供清晰的指导和示例非常重要，这有助于模型准确理解任务要求，并生成所需的结果。你可以简单理解为，将特定文本赋予属性后加以分类整理的概念。
学术界最常见的例子就是情感分类或目的分类。我输入了下面七个句子，请求将它们按目的或情感进行分类。
“这个产品用起来非常不方便，我很后悔买了它。”
“这是我去过的餐厅中最让我印象深刻的一家，如果有机会的话我还会再去。”
“我想去的商场里有麦当劳吗？”
“如何制作麦当劳的巨无霸汉堡”
“我吃了朋友买来的冰淇淋，直到知道它的来源前我都觉得很好吃。”
“这件衣服和照片非常不一样，不过卖家回复很快，我换到了新货。”
“这位导游非常亲切。”
“这是我去过的餐厅中最让我印象深刻的一家，如果有机会的话我还会再去。”
“我想去的商场里有麦当劳吗？”
“如何制作麦当劳的巨无霸汉堡”
“我吃了朋友买来的冰淇淋，直到知道它的来源前我都觉得很好吃。”
“这件衣服和照片非常不一样，不过卖家回复很快，我换到了新货。”
“这位导游非常亲切。”
这些句子根据目的或情感可以这样分类：
“这个产品用起来非常不方便，我很后悔买了它。”
•
情感：消极
“这是我去过的餐厅中最让我印象深刻的一家，如果有机会的话我还会再去。”
•
情感：积极
“我想去的商场里有麦当劳吗？”
•
目的：获取最新信息
“如何制作麦当劳的巨无霸汉堡”
•
目的：创作
“我吃了朋友买来的冰淇淋，直到知道它的来源前我都觉得很好吃。”
•
情感：中性
“这件衣服和图片差别很大，不过卖家反应很快，我收到了换货。”
•
情感：中性
“这位导游非常亲切。”
•
情感：积极
这类分类是根据句子内容和语境，以及每句话试图表达的目的和情感来确定的。
这就是没有明确设定标准时出现的分类方式。如果你想再细致一点怎么办？给出示例或者明确地说明就可以了，就是设定了标准。比如可以这样做：
•
负面：当文本表达消极情感或态度时，归到这个分类。例如，不满、失望、悲伤、愤怒、恐惧等情绪就属于此类。文本对产品或服务表达不满，或者对体验作出负面评价，都属于这种情况。
•
中性：中性文本指没有明显积极或消极情感的情况。这样的文本通常只是传递信息或者提问，情感上保持中立。例如，简单的问题、客观的描述，或没有流露个人感受或态度的句子，都属于这一类。
•
正面：当文本表达积极情感或态度时，归为正面分类。包括满意、快乐、兴趣、感谢等正向反应。例如，称赞产品或服务，提到正面的体验，或表达满意的结果，都属于这一类。
像这样提前制定好每个分类的明确标准，并让模型去做分类工作，就能获得更高质量的结果。你觉得呢？是不是越了解越觉得和让人做事很像？
ⓒ 2023。Haebom，保留所有权利。
经版权所有者许可，可以将其用于商业目的，但需注明来源。
