分类

概述

本文档提供了一个使用 LangChain4j 在 Java 中实现的分类系统。分类对于将文本划分到预定义标签中至关重要，例如 情感分析、意图识别 和 实体识别。

该示例演示了如何使用 LangChain4j 的 AI 服务进行 情感分类。

情感分类服务

情感分类系统会将输入文本划分为以下 情感类别之一：

POSITIVE（积极）
NEUTRAL（中性）
NEGATIVE（消极）

实现代码

import dev.langchain4j.model.chat.ChatModel;
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 ChatModel chatModel = 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) {

        // 创建一个 AI 驱动的情感分析器实例
        SentimentAnalyzer sentimentAnalyzer = AiServices.create(SentimentAnalyzer.class, chatModel);

        // 示例：情感分析
        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
    }
}

组件解释

1. 聊天模型初始化

static ChatModel chatModel = OpenAiChatModel.withApiKey("YOUR_OPENAI_API_KEY");

初始化 OpenAI 聊天模型 来处理自然语言文本。
将 "YOUR_OPENAI_API_KEY" 替换为实际的 OpenAI API Key。

2. 定义情感类别

enum Sentiment {
    POSITIVE, NEUTRAL, NEGATIVE
}

Sentiment 枚举表示可能的情感分类结果。

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);
}

该接口定义了两个由 AI 驱动的方法：
- analyzeSentimentOf(String text)：将文本分类为 POSITIVE、NEUTRAL 或 NEGATIVE。
- isPositive(String text)：如果文本具有积极情感返回 true，否则返回 false。

4. 创建 AI 服务实例

SentimentAnalyzer sentimentAnalyzer = AiServices.create(SentimentAnalyzer.class, chatModel);

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 模型将文本分类到预定义的情感类别中。
isPositive() 方法返回布尔值结果。

应用场景

该情感分类服务可应用于多种场景，包括：

✅ 客户反馈分析：将客户评价分类为积极、中性或消极。
✅ 社交媒体监测：分析社交媒体评论的情感趋势。
✅ 聊天机器人回复：理解用户情感以提供更优质的回答。