ChatGPT Prompt Engineering for Developers : Usage (1)

Jiwon Kim

|2023. 12. 14. 00:57

이어서~

Prompting 활용 사례 알아보기

- summarizing

- inferring

- transforming

- expanding

1차 접근 ) word/sentence/character limit (당연히 요약이니까 요약본의 길이 제한)

2차 접근 ) 세부적 지시사항 추가

# 예시 : product review를 요약해서

# shipping department에 피드백을 주려는 상황이라면

--- prompt : " summarize by focusing on any aspects that mention shipping and delivery of the product "

# pricing department에 피드백을 주려는 상황이라면

--- prompt : " ~ focusing on any aspects that are relevant to the price and perceived value "

3차 접근 ) Try "Extract" instead of "summarize"

위의 두 예시의 프롬프트에 대하여 출력된 response의 내용을 보면

첫번째는 배송 관련 요약을 요구했지만 가격과 관련된 정보도 섞여있고, 두번째는 반대로 가격 관련 요약을 요구했지만 가격 외에 상품에 대한 고객 경험 관련 정보도 섞여있다.

따라서 이번에는 prompt에 "Extract"라고 작성하여 정확히 유관 정보만 뽑아낼 것이다.

앞서 나온 summarize보다 배송과 관련된 정보만 추출한 답변이 도출된다.

위의 프롬프팅 예시들을 활용해서 여러 개의 리뷰들에 대해서 반복문을 돌리면 이커머스 사이트의 다량의 리뷰들에 대한 요약본 / 정보 추출본을 한 번에 저장할 수 있을 것이다.

- sth like extracting labels, names, or understanding the sentiment

- 머신러닝, 딥러닝 방법으로 시행하는 감성분류 작업의 경우, 데이터셋과 각 데이터셋에 해당되는 label (positive / negative)를 모두 학습시켜 다양한 model들을 test해보고 만들어내는 작업이 필요함

- 하지만 LLM을 활용한다면 별도의 모델 훈련 없이 Prompting으로도 원하는 응답을 얻을 수 있으므로, application 개발에 유용하게 사용될 수 있다.

1. Infer Sentiment

주어진 {lamp_review} (상품에 대한 리뷰글)에서 해당 리뷰가 긍정인지 부정인지 binary classification을 요청하는 prompt

>> positive

같은 리뷰글에 대해서 작성자가 표현하고 있는 감정을 5종류로 뽑아내라고 요청하는 prompt

>> satisfied, pleased, grateful, impressed, happy

2. Infer Information

3. Infer Topic

위 작업에서 더 나아가서, 주제 리스트를 여러 개 사전에 선정해둔 다음, 주어진 주제가 텍스트에 포함되어있는지의 여부를 0, 1로 나타내도록 하는 방법이 있다. (있으면 1, 없으면 0)

그 주제들 가운데 만약 내가 특별히 관심이 있는 주제가 있다, 의 상황을 가상해보면 그 주제 (key)에 해당하는 값 (value) 가 1인지를 확인해서 알림을 보내주는 등의 프롬프트 작성을 통한 응용도 가능하다.

[cs224n] Lecture1 - Word Vectors (1)	2024.01.07
ChatGPT Prompt Engineering for Developers : Chatbot (0)	2023.12.15
ChatGPT Prompt Engineering for Developers : Usage (2) (0)	2023.12.14
ChatGPT Prompt Engineering for Developers : Intro (0)	2023.12.13
LLM Visualization (1)	2023.12.06

티스토리툴바