หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
ฟังก์ชันจะ ai.summarize สรุปข้อความจากคอลัมน์เดียวหรือในคอลัมน์ทั้งหมดในแต่ละแถว
Note
- บทความนี้ครอบคลุม
ai.summarizeด้วย PySpark สําหรับแพนด้า โปรดดู ใช้ ai.summarize กับแพนด้า - สําหรับฟังก์ชัน AI และข้อกําหนดเบื้องต้นทั้งหมด โปรดดู ภาพรวมของฟังก์ชัน AI
- เปลี่ยนการกําหนดค่าเริ่มต้นสําหรับฟังก์ชัน AI ด้วย PySpark
Overview
ฟังก์ชันนี้ai.summarizeยังมีให้สําหรับ Spark DataFrames ถ้าคุณระบุชื่อของคอลัมน์อินพุตที่มีอยู่เป็นพารามิเตอร์ ฟังก์ชันจะสรุปแต่ละค่าจากคอลัมน์นั้นเพียงอย่างเดียว มิฉะนั้น ฟังก์ชันจะสรุปค่าทั่วทั้งคอลัมน์ทั้งหมดของ DataFrame โดยเรียงตามแถว
ฟังก์ชันจะส่งกลับ DataFrame ใหม่พร้อมข้อมูลสรุปสําหรับแต่ละแถวข้อความที่ป้อนเข้า จากคอลัมน์เดียวหรือคอลัมน์ทั้งหมด ที่ถูกเก็บไว้ในคอลัมน์ผลลัพธ์
วากยสัมพันธ์
df.ai.summarize(input_col="text", output_col="summaries")
พารามิเตอร์
| ชื่อ | คำอธิบาย |
|---|---|
input_col เลือกได้ |
สตริงที่มีชื่อของคอลัมน์ที่มีอยู่พร้อมค่าข้อความที่ป้อนเข้าเพื่อสรุป ถ้าคุณไม่ได้ตั้งค่าพารามิเตอร์นี้ ฟังก์ชันจะสรุปค่าในคอลัมน์ทั้งหมดใน DataFrame แทนที่จะเป็นค่าจากคอลัมน์ที่ระบุ |
instructions เลือกได้ |
สตริงที่ให้บริบทเพิ่มเติมสําหรับโมเดล AI เช่น ความยาวเอาต์พุต โทนเสียง ผู้ชม หรือโฟกัส คําแนะนําที่แม่นยํายิ่งขึ้นจะให้ผลลัพธ์ที่ดีขึ้น |
error_col เลือกได้ |
สตริงที่มีชื่อของคอลัมน์ใหม่เพื่อจัดเก็บข้อผิดพลาด OpenAI ที่เกิดจากการประมวลผลแต่ละแถวข้อความที่ป้อน ถ้าคุณไม่ได้ตั้งค่าพารามิเตอร์นี้ ชื่อเริ่มต้นจะถูกสร้างขึ้นสําหรับคอลัมน์ข้อผิดพลาด ถ้าแถวอินพุตไม่มีข้อผิดพลาด ค่าในคอลัมน์นี้จะ null |
output_col เลือกได้ |
สตริงที่มีชื่อของคอลัมน์ใหม่เพื่อเก็บข้อมูลสรุปสําหรับแต่ละแถวข้อความที่ป้อนเข้า ถ้าคุณไม่ได้ตั้งค่าพารามิเตอร์นี้ ชื่อเริ่มต้นจะถูกสร้างขึ้นสําหรับคอลัมน์ผลลัพธ์ |
การส่งคืน
ฟังก์ชันส่งคืน Spark DataFrame ที่มีคอลัมน์ใหม่ที่มีข้อความสรุปสําหรับแต่ละแถวข้อความอินพุต ถ้าข้อความที่ป้อนเข้าถูก nullผลลัพธ์จะเป็น null ถ้าไม่ได้ระบุคอลัมน์อินพุต ฟังก์ชันจะสรุปค่าในทุกคอลัมน์ใน DataFrame
ตัวอย่าง
# This code uses AI. Always review output for mistakes.
df = spark.createDataFrame([
("Microsoft Teams", "2017",
"""
The ultimate messaging app for your organization—a workspace for real-time
collaboration and communication, meetings, file and app sharing, and even the
occasional emoji! All in one place, all in the open, all accessible to everyone.
""",),
("Microsoft Fabric", "2023",
"""
An enterprise-ready, end-to-end analytics platform that unifies data movement,
data processing, ingestion, transformation, and report building into a seamless,
user-friendly SaaS experience. Transform raw data into actionable insights.
""",)
], ["product", "release_year", "description"])
summaries = df.ai.summarize(input_col="description", output_col="summaries")
display(summaries)
Output:
ปรับแต่งข้อมูลสรุปด้วยวิธีการ
ใช้ instructions พารามิเตอร์เพื่อควบคุมน้ําเสียง ความยาว ผู้ชม หรือโฟกัสของบทสรุปที่สร้างขึ้นโดยไม่ต้องเปลี่ยนข้อความต้นฉบับ
# This code uses AI. Always review output for mistakes.
summaries = df.ai.summarize(
input_col="description",
output_col="executive_summary",
instructions="Write one concise sentence for a business executive. Focus on product value and avoid marketing language.",
)
display(summaries)
อินพุตหลายรูปแบบ
เมื่อต้องการสรุปรูปภาพ PDF หรือแฟ้มข้อความ ให้ตั้งค่า input_col_type="path" สําหรับโหมดคอลัมน์เดียว หรือ col_types สําหรับโหมดระดับ DataFrame สําหรับการตั้งค่า โปรดดู ใช้อินพุตหลายรูปแบบกับฟังก์ชัน AI
# This code uses AI. Always review output for mistakes.
# Summarize file content from a single column
results = custom_df.ai.summarize(
instructions="Summarize this file in one sentence for a support analyst.",
input_col="file_path",
input_col_type="path",
output_col="summary",
)
display(results)
คุณยังสามารถสรุปค่าในคอลัมน์ทั้งหมดใน DataFrame ได้โดยการละเว้นคอลัมน์อินพุตและใช้ col_types:
# This code uses AI. Always review output for mistakes.
results = custom_df.ai.summarize(
col_types={"file_path": "path"},
output_col="summary",
)
display(results)
เนื้อหาที่เกี่ยวข้อง
- ใช้ ai.summarize กับแพนด้า
- เรียนรู้เพิ่มเติมเกี่ยวกับฟังก์ชัน AI
- ใช้อินพุตแบบหลายรูปแบบกับฟังก์ชัน AI
- เปลี่ยนการกําหนดค่าเริ่มต้นสําหรับฟังก์ชัน AI ด้วย PySpark
- ทําความเข้าใจการเรียกเก็บเงินสําหรับ AI Functions