Usare ai.embed con pandas

La ai.embed funzione usa l'intelligenza artificiale generativa per convertire il testo in incorporamenti vettoriali. Questi vettori consentono all'intelligenza artificiale di comprendere le relazioni tra testi, in modo da poter cercare, raggruppare e confrontare il contenuto in base al significato anziché alla formulazione esatta. Con una singola riga di codice, è possibile generare incorporamenti vettoriali da una colonna in un dataframe.

Annotazioni

• Questo articolo illustra l'uso di ai.embed con pandas. Per usare ai.embed con PySpark, vedere questo articolo.
• Vedere altre funzioni di intelligenza artificiale in questo articolo di panoramica.
• Informazioni su come personalizzare la configurazione delle funzioni di intelligenza artificiale.

Informazioni generali

La ai.embed funzione estende la classe Pandas Series .

Per generare incorporamenti vettoriali di ogni riga di input, richiamare la funzione su una serie pandas o su una colonna di testo di un pandas DataFrame.

La funzione restituisce una serie pandas contenente incorporamenti, che può essere archiviata in una nuova colonna DataFrame.

Sintassi

df["embed"] = df["col1"].ai.embed()

Parametri

Nessuno.

Restituzioni

La funzione restituisce una serie pandas che contiene incorporamenti come matrice numpy di float-32 per ogni riga di testo di input. Il numero di elementi nella matrice dipende dalle dimensioni del modello di incorporamento, configurabili nelle funzioni di intelligenza artificiale

Example

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        "This duvet, lovingly hand-crafted from all-natural fabric, is perfect for a good night's sleep.",
        "Tired of friends judging your baking? With these handy-dandy measuring cups, you'll create culinary delights.",
        "Enjoy this *BRAND NEW CAR!* A compact SUV perfect for the professional commuter!"
    ], columns=["descriptions"])
    
df["embed"] = df["descriptions"].ai.embed()
display(df)

Questa cella di codice di esempio fornisce l'output seguente:

Contenuti correlati

• Usare ai.embed con PySpark.

• Rilevare il sentiment con ai.analyze_sentiment.

• Classificare il testo con ai.classify.

• Estrarre entità con ai_extract.

• Correggere la grammatica con ai.fix_grammar.

• Rispondere alle richieste dell'utente personalizzate con ai.generate_response.

• Calcolare la somiglianza con ai.similarity.

• Riepilogare il testo con ai.summarize.

• Tradurre il testo con ai.translate.

• Altre informazioni sul set completo di funzioni di intelligenza artificiale.

• Personalizzare la configurazione delle funzioni di intelligenza artificiale.

• Abbiamo perso una funzionalità necessaria? Suggeriscilo nel forum Fabric Ideas.