Classification

È possibile usare Classificazione per classificare i documenti in categorie predefinite con intelligenza artificiale.

Esempi di classificazione includono:

  • Classificazione delle trascrizioni delle chiamate dei clienti in base alla finalità
  • Classificazione dei documenti in base al tipo di contenuto
  • Classificazione delle recensioni dei prodotti in base al sentiment

La classificazione è disponibile tramite Agent Bricks UI, in SQL, con l'API REST e con l'API asincrona (Beta).

Crea un agente di classificazione nell'interfaccia utente

Requisiti

Vai all'icona Agenti nel riquadro di navigazione a sinistra della tua area di lavoro. Fare clic su Crea agente e selezionare Classificazione del testo.

Passaggio 1: Selezionare i dati di origine

Usare Classificazione per classificare i documenti.

  1. Selezionare i dati di origine. È possibile selezionare un volume con documenti o una tabella con dati di testo.

  2. Fare clic su Crea agente.

Passaggio 2: Configurare le etichette di classificazione

Dopo che Classificazione ha elaborato i tuoi dati, configura e perfeziona le etichette di classificazione.

Per aggiungere manualmente le etichette di classificazione:

  1. Fare clic su + Aggiungi etichetta per aggiungere un'etichetta di classificazione.
  2. Immettere il nome dell'etichetta e la descrizione facoltativa, quindi fare clic su Aggiungi etichetta.
  3. Ripetere 1-2 per ogni etichetta da aggiungere.
  4. (Facoltativo) Abilitare Più etichette se si vuole che l'agente restituisca più etichette.

Per importare etichette da una tabella:

  1. Fare clic su Importa dalla tabella.
  2. Selezionare la tabella e fare clic su Avanti.
  3. Selezionare la colonna etichetta, la colonna descrizione e SQL Warehouse.
  4. Fare clic su Anteprima per visualizzare le etichette importate.
  5. Se si è soddisfatti delle etichette, fare clic su Importa e sostituisci etichette.

Per eseguire la classificazione, è necessario avere almeno due etichette. Dopo aver finito di aggiungere le etichette, clicca su Salva e esegui la classificazione.

Per configurare opzioni aggiuntive, fai clic sull'opzione icona Dispositivi di scorrimento. accanto a Salva ed esegui classificazione, quindi abilita una o più delle seguenti opzioni:

  • Punteggi di fiducia: Mostra i livelli di fiducia per le etichette previste.
  • Giustificazioni: Mostra le giustificazioni per le etichette previste.

La classificazione classifica fino a 5 documenti e righe e visualizza i risultati. È anche possibile aggiungere altro.

UI di revisione della classificazione che mostra etichette di classificazione e risultati

Passaggio 3. Esaminare e migliorare le risposte di classificazione

Esaminare le risposte di classificazione e inviare commenti e suggerimenti per migliorare l'agente.

  1. Esaminare il documento e la risposta alla classificazione:

    • Se la risposta è corretta, dare un pollice in su.
    • Se la risposta non è corretta, dargli un pollice in giù. Aiuta la classificazione correggendo la risposta selezionando l'etichetta corretta. Fare clic su Salva.
  2. Per migliorare le risposte dell'agente, modificare le descrizioni delle etichette di classificazione.

  3. Confrontare le versioni per ottimizzare le prestazioni dell'agente. Fare clic su Versioni. Accanto a una versione precedente, fare clic su Confronta per confrontare le descrizioni delle etichette di classificazione di una versione precedente con la versione corrente. Fare clic su Ripristina per ripristinare una versione precedente.

Passaggio 4: Usare l'agente di classificazione

Se si è soddisfatti delle risposte, iniziare a usare l'agente per la classificazione su larga scala.

Fare clic su Usa agente in alto a destra. È possibile scegliere uno dei seguenti:

  • Esegui in SQL per usare l'agente e classificare l'intero volume o tabella. Verrà aperta una query SQL che utilizza le etichette di classificazione definite con ai_classify. Per altre informazioni sull'uso ai_classify nelle query SQL, vedere ai_classify funzione.
  • Crea una pipeline Lakeflow che giri su intervalli programmati per invocare il tuo agente su nuovi dati. Questo crea una pipeline Lakeflow che aggiorna una tabella di streaming con i tuoi dati classificati. È possibile configurare la pianificazione della pipeline in modo che venga eseguita quando arrivano nuovi dati. Per maggiori informazioni sulle pipeline Lakeflow, vedi Spark Declarative Pipelines on Lakeflow.

Classifica i documenti in SQL

Chiama ai_classify SQL per classificare i documenti su larga scala:

SELECT ai_classify(
  'My password is leaked.',
  '["urgent", "not_urgent"]',
  MAP('version', '2.1')
);

Consulta la ai_classify documentazione di riferimento SQL.

Classifica i documenti con l'API REST

Usa l'API REST per classificare i documenti da applicazioni, servizi e flussi di lavoro di automazione. Consulta la documentazione dell'API REST per riferimento.

Il limite predefinito di velocità per le ai_classify richieste REST API è di 1.200 richieste al minuto per ogni spazio di lavoro. Contatta il team dell’account Databricks per richiedere un limite più alto.

Il seguente esempio classifica un messaggio di assistenza clienti:

curl -X POST "$DATABRICKS_HOST/api/2.0/ai-functions/ai-classify" \
     -H "Authorization: Bearer $DATABRICKS_TOKEN" \
     -H "Content-Type: application/json" \
     -d '{
  "content": "My password is leaked.",
  "labels": ["urgent", "not_urgent"],
  "options": {
    "instructions": "Classify the support request by urgency."
  }
}'

Classifica i documenti con l'API asincrona (Beta)

Usa l'API Asincrona delle Funzioni AI (Beta) per classificare molti testi in un unico lotto. Per i campi richiesta e risposta, e per le richieste di annullare e elencare i lotti, vedi il riferimento dell'API asincrona. Un amministratore di spazio di lavoro deve attivare l'anteprima API asincrona delle funzioni AI nella pagina delle anteprime.

Note

Per classificare le righe di una tabella Unity Catalog in un lavoro, puoi usare un'attivitàai_classify (Beta) invece. L'attività legge e scrive nelle tabelle di Unity Catalog per te e ogni esecuzione elabora solo le righe nuove o modificate.

Per classificare i testi con l'API asincrona:

  1. Crea un file di input JSONL con una riga per ogni testo. Ogni riga ha un identificatore univoco custom_id e il testo in body.text:

    {"custom_id": "ticket-001", "body": {"text": "My password is leaked."}}
    {"custom_id": "ticket-002", "body": {"text": "How do I change my billing address?"}}
    
  2. Carica il file di input in un volume di Unity Catalog, ad esempio con Files API.

  3. Crea un batch che giri ai_classify sul file di input. Gli elementi labels e options in params si applicano a ogni riga, e output_ref è la directory del volume per i risultati:

    curl -X POST "$DATABRICKS_HOST/api/2.0/ai-functions/batches" \
         -H "Authorization: Bearer $DATABRICKS_TOKEN" \
         -H "Content-Type: application/json" \
         -d '{
      "endpoint": "ai_classify",
      "input_ref": "/Volumes/my_catalog/my_schema/my_volume/requests.jsonl",
      "params": {
        "labels": ["urgent", "not_urgent"],
        "options": {
          "instructions": "Classify the support request by urgency."
        }
      },
      "output_ref": "/Volumes/my_catalog/my_schema/my_volume/output/"
    }'
    

    La risposta contiene il batch name. Usalo al posto di <batch-name> nei prossimi passi.

  4. Controlla lo stato del lotto. Il lotto è terminato quando status è COMPLETED, CANCELLED, o FAILED:

    curl -X GET "$DATABRICKS_HOST/api/2.0/ai-functions/batches/<batch-name>" \
         -H "Authorization: Bearer $DATABRICKS_TOKEN"
    

    Quando il file di output è pronto, output_ref in la risposta contiene il suo percorso.

  5. Scarica il file di output con l'API Files:

    curl -X GET "$DATABRICKS_HOST/api/2.0/fs/files/Volumes/my_catalog/my_schema/my_volume/output/<batch-name>_output.jsonl" \
         -H "Authorization: Bearer $DATABRICKS_TOKEN" \
         -o output.jsonl
    

Il file di output ha una riga per ogni riga del file di input. Le righe sono nello stesso ordine del file di input. Ogni riga ha il custom_id della sua richiesta e uno dei seguenti campi:

  • response: Il risultato della richiesta. Ha gli stessi campi della risposta AI Classify REST API.
  • error: Il type e il message dell'errore, se la richiesta è fallita.

Il seguente esempio mostra una riga per una richiesta che è andata a buon fine e una riga per una richiesta che è fallita:

{"custom_id": "ticket-001", "response": {...}}
{"custom_id": "ticket-002", "error": {"type": "request_failed", "message": "..."}}

Limitations

Vedere Limitazioni