跳到主要内容

分类

概览​

本文档展示了如何在 Java 中使用 LangChain4j 实现一个分类系统。 分类对于将文本归入预定义标签非常重要， 例如 情感分析、意图识别 和 实体识别。

这个示例演示了如何使用 LangChain4j 的 AI 驱动服务来完成情感分类。

情感分类服务​

情感分类系统会把输入文本归入以下 sentiment categories 之一：

  • POSITIVE
  • NEUTRAL
  • NEGATIVE

实现​

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 {

    // Initialize the chat model using OpenAI
    static ChatModel chatModel = OpenAiChatModel.withApiKey("YOUR_OPENAI_API_KEY");

    // Define the Sentiment enum
    enum Sentiment {
        POSITIVE, NEUTRAL, NEGATIVE
    }

    // Define the AI-powered Sentiment Analyzer interface
    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) {

        // Create an AI-powered Sentiment Analyzer instance
        SentimentAnalyzer sentimentAnalyzer = AiServices.create(SentimentAnalyzer.class, chatModel);

        // Example Sentiment Analysis
        Sentiment sentiment = sentimentAnalyzer.analyzeSentimentOf("I love this product!");
        System.out.println(sentiment); // Expected Output: POSITIVE

        boolean positive = sentimentAnalyzer.isPositive("This is a terrible experience.");
        System.out.println(positive); // Expected Output: false
    }
}

组件说明​

1. Chat Model 初始化​

static ChatModel chatModel = OpenAiChatModel.withApiKey("YOUR_OPENAI_API_KEY");
  • 初始化 OpenAI Chat Model，用于处理自然语言文本。
  • 请将 "YOUR_OPENAI_API_KEY" 替换为真实的 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);
}
  • 这个接口定义了两个 AI 驱动的方法：
    • analyzeSentimentOf(String text)：将给定文本分类为 POSITIVE、NEUTRAL 或 NEGATIVE。
    • isPositive(String text)：如果文本具有正向情感，则返回 true；否则返回 false。

4. 创建 AI Service 实例​

SentimentAnalyzer sentimentAnalyzer = AiServices.create(SentimentAnalyzer.class, chatModel);
  • AiServices.create() 会基于 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); // Output: POSITIVE

boolean positive = sentimentAnalyzer.isPositive("This is a terrible experience.");
System.out.println(positive); // Output: false
  • AI 模型会将给定文本归入预定义情感类别之一。
  • isPositive() 方法则直接返回布尔结果。

使用场景​

这个情感分类服务可以用于多种应用场景，包括：

✅ 客户反馈分析：将客户评论分类为正向、中性或负向。
✅ 社交媒体监测：分析社交媒体评论中的情感趋势。
✅ 聊天机器人响应优化：理解用户情绪，从而给出更合适的回复。

示例​