Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Klassificerar dokumentinnehåll i en av de angivna etiketterna med hjälp av AI/LLM.
För motsvarande Databricks SQL-funktion, se ai_classify funktion.
Syntax
from pyspark.sql import functions as dbf
dbf.ai_classify(col=<col>, labels=<labels>, options=<options>)
Parameters
| Parameter | Type | Description |
|---|---|---|
col |
pyspark.sql.Column eller str |
En kolumn som innehåller dokumentinnehållet som ska klassificeras. |
labels |
list, dict, pyspark.sql.Columneller str |
Antingen en literal etikettuppsättning (Python lista över etikettsträngar eller diktera mappningsetikettnamn till beskrivningar, serialiserade till en JSON-literal automatiskt) eller ett kolumnuttryck vars värde per rad är en JSON-matris med etikettsträngar eller ett JSON-objekt som mappar etikettnamn till beskrivningar. |
options |
dictvalfri |
En ordlista med alternativ för att kontrollera klassificeringsbeteendet. |
Returns
pyspark.sql.Column: En ny kolumn som innehåller klassificeringsresultatet.
Standardbeteendet är klassificering med en etikett. Om du vill aktivera klassificering med flera etiketter och se den fullständiga uppsättningen alternativ som stöds kan du läsa handboken för SQL-språk.
Examples
# 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")))