Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Classifica il contenuto del documento in una delle etichette fornite usando AI/LLM.
Per la funzione SQL di Databricks corrispondente, vedere ai_classify funzione.
Sintassi
from pyspark.sql import functions as dbf
dbf.ai_classify(col=<col>, labels=<labels>, options=<options>)
Parameters
| Parametro | Tipo | Description |
|---|---|---|
col |
pyspark.sql.Column oppure str |
Colonna contenente il contenuto del documento da classificare. |
labels |
list, dict, pyspark.sql.Columno str |
Un set di etichette letterale (Python elenco di stringhe di etichetta o mapping dei nomi delle etichette alle descrizioni, serializzato automaticamente in un valore letterale JSON) o un'espressione di colonna il cui valore per riga è una matrice JSON di stringhe di etichette o un nome di etichetta json che esegue il mapping dei nomi delle etichette alle descrizioni. |
options |
dictopzionale |
Dizionario di opzioni per controllare il comportamento di classificazione. |
Returns
pyspark.sql.Column: nuova colonna contenente il risultato della classificazione.
Il comportamento predefinito è la classificazione a etichetta singola. Per abilitare la classificazione con più etichette e visualizzare il set completo di opzioni supportate, vedere manuale del linguaggio SQL.
Esempi
# Static labels (same set for every row)
df.select(ai_classify("text", ["positive", "negative", "neutral"]))
df.select(ai_classify("text", {"positive": "Happy tone", "negative": "Unhappy tone"}))
# Per-row labels (a column whose value is a JSON array or JSON object string)
df.select(ai_classify("text", col("labels_json")))