跳到主要内容

分类

概述​

本文档提供了使用 Java 中的 LangChain4j 实现分类系统的方法。分类对于将文本分类到预定义标签中至关重要，例如情感分析、意图检测和实体识别。

这个示例演示了使用 LangChain4j 的 AI 驱动服务进行情感分类。

情感分类服务​

情感分类系统将输入文本分类为以下情感类别之一：

  • POSITIVE（积极）
  • NEUTRAL（中性）
  • NEGATIVE（消极）

实现​

import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import dev.langchain4j.service.UserMessage;

public class SentimentClassification {

    // 使用 OpenAI 初始化聊天模型
    static ChatLanguageModel chatLanguageModel = OpenAiChatModel.withApiKey("YOUR_OPENAI_API_KEY");

    // 定义情感枚举
    enum Sentiment {
        POSITIVE, NEUTRAL, NEGATIVE
    }

    // 定义 AI 驱动的情感分析器接口
    interface SentimentAnalyzer {

        @UserMessage("Analyze sentiment of {{it}}")
        Sentiment analyzeSentimentOf(String text);

        @UserMessage("Does {{it}} have a positive sentiment?")
        boolean isPositive(String text);
    }

    public static void main(String[] args) {

        // 创建 AI 驱动的情感分析器实例
        SentimentAnalyzer sentimentAnalyzer = AiServices.create(SentimentAnalyzer.class, chatLanguageModel);

        // 情感分析示例
        Sentiment sentiment = sentimentAnalyzer.analyzeSentimentOf("I love this product!");
        System.out.println(sentiment); // 预期输出: POSITIVE

        boolean positive = sentimentAnalyzer.isPositive("This is a terrible experience.");
        System.out.println(positive); // 预期输出: false
    }
}

组件说明​

1. 聊天模型初始化​

static ChatLanguageModel chatLanguageModel = OpenAiChatModel.withApiKey("YOUR_OPENAI_API_KEY");
  • 初始化 OpenAI 聊天模型以处理自然语言文本。
  • 将 "YOUR_OPENAI_API_KEY" 替换为实际的 OpenAI API 密钥。

2. 定义情感类别​

enum Sentiment {
    POSITIVE, NEUTRAL, NEGATIVE
}
  • Sentiment 枚举表示可能的情感分类。

3. 创建 AI 驱动的情感分析器​

interface SentimentAnalyzer {
    
    @UserMessage("Analyze sentiment of {{it}}")
    Sentiment analyzeSentimentOf(String text);

    @UserMessage("Does {{it}} have a positive sentiment?")
    boolean isPositive(String text);
}
  • 这个接口定义了两个 AI 驱动的方法：
    • analyzeSentimentOf(String text)：将给定文本分类为 **POSITIVE（积极）、NEUTRAL（中性）**或 NEGATIVE（消极）。
    • isPositive(String text)：如果文本具有积极情感则返回 true；否则返回 false。

4. 创建 AI 服务实例​

SentimentAnalyzer sentimentAnalyzer = AiServices.create(SentimentAnalyzer.class, chatLanguageModel);
  • AiServices.create() 使用 AI 模型动态实现 SentimentAnalyzer 接口。

5. 运行情感分析​

Sentiment sentiment = sentimentAnalyzer.analyzeSentimentOf("I love this product!");
System.out.println(sentiment); // 输出: POSITIVE

boolean positive = sentimentAnalyzer.isPositive("This is a terrible experience.");
System.out.println(positive); // 输出: false
  • AI 模型将给定文本分类为预定义的情感类别之一。
  • isPositive() 方法提供布尔结果。

使用场景​

这个情感分类服务可以用于各种应用，包括：

✅ 客户反馈分析：将客户评论分类为积极、中性或消极。
✅ 社交媒体监控：分析社交媒体评论中的情感趋势。
✅ 聊天机器人响应：理解用户情感以提供更好的响应。

示例​