데이터 라벨링의 자동화 혁명! 시간과 비용을 아끼는 ChatGPT의 강력한 활용방법

0. 시간과 비용을 절약하는 데이터셋 구축: ChatGPT로 데이터 라벨링하기

1. 데이터의 중요성, 양질의 데이터란?

2. ChatGPT에게 라벨링을 맡기는 이유

3. ChatGPT로 데이터 라벨링하기

3.1 OpenAI의 API key 받기

3.2 프롬프트 작성

text = '맛있는 거 먹어서 기분이 너무 좋다.' # 감정 분석 대상 텍스트

prompt = f'''You're an assistant, labeling data on a consistent basis.
Label the given text with one of the following sentiments: Positive, Negative, or Neutral.
If you can't determine a sentiment, label the text as Neutral.
Do not enclose your output in double or single quotes, just the label.
Follow the example to analyze the sentiment.

given text: 나 너무 우울해
sentiment: Negative

given text: 오늘 아침 일찍 출근했다.
sentiment: Neutral

given text: {text}
sentiment: '''

• 영어로 작성

• ChatGPT에게 역할 부여하기

• 예시를 함께 제공하기

• 상세하지만, 명료하게 작성하기

3.3 API 응답 요청하기(파라미터 설정)

response = openai.ChatCompletion.create(
    model='gpt-3.5-turbo',
    temperature=0,
    messages=[
        {"role": "user", "content": prompt}
    ]
)

sentiment = response.choices[0].message['content']

print(f'문장: {text}\\n감정: {sentiment}')

문장: 맛있는 거 먹어서 기분이 너무 좋다.
감정: Positive

• temperature

• messages의 role: user, assistant, system

3.4 대량의 데이터를 라벨링한다면?

def sentiment_analyze(text):
    prompt = f'''You're an assistant, labeling data on a consistent basis.
    Label the given text with one of the following sentiments: Positive, Negative, or Neutral.
    If you can't determine a sentiment, label the text as Neutral.
    Do not enclose your output in double or single quotes, just the label.
    Follow the example to analyze the sentiment.

    given text: 나 너무 우울해
    sentiment: Negative

    given text: 오늘 아침 일찍 출근했다.
    sentiment: Neutral

    given text: {text}
    sentiment: '''

    try:
        response = openai.ChatCompletion.create(
            model='gpt-3.5-turbo',
            temperature=0,
            messages=[
                {"role": "user", "content": prompt}
            ]
        )

        sentiment = response.choices[0].message['content']

        return sentiment
    except:
        sentiment = 'error'
        return sentiment

df['label'] = df['text'].apply(sentiment_analyze)

4. 비용은 얼마인가?

5. 결론