🔥뚝바이브 개발자

Search

SearchSearch

LangChain_실습_MultiChain

Apr 24, 20259 min read

각각 Template를 만들어 대상별 긍/부정 분류하기

Reference

인턴실습_OpenAPI 이용하기
LangChain 공식 문서: Runnable Interface

__|450 __|450

실습

4주차 과제때 못한 각각의 카테고리별 Template를 만들어 한개의 리뷰에 카테고리 3개 Chain을 동시에 출력하는 실습을 하도록 하겠다.

실습에 대한 방법은 여러 방법으로 실습해볼것이다.

  1. Template안에 {category}를 넣어 category를 지정하면 지정한 카테고리에 맞게 분류되도록 한다.
  2. 여러 개의 Template를 각각의 카테고리별로 만들어 RunnableParallel를 이용하여 분류하도록 한다.
  3. Template안에 {category},{sentence}를 넣어 리뷰별 카테고리별로 분류되도록 한다.
  • 기본코드
import pandas as pd
from langchain_openai import ChatOpenAI
from langchain_core.prompts import PromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough, RunnableParallel
from dotenv import load_dotenv
 
load_dotenv()
 
temp_review = pd.read_csv("C:/Users/pps/Desktop/Restaurant_Review/Review_Analyzer/Data_Analyze/S_hotel_buffet_review_parse.csv")
 
review = temp_review.head(10)
sentence = temp_review.Review_Text[0] # '직원 분들 너무 친절하시고 음식 맛은 대한민국 호텔 뷔페 넘버 원인데 말해 뭐 해입니다 조금씩 일찍 입장시켜주시는 융통성도 좋아요 쪼금 아쉬운 건 의 외로 과일류 구색이 약하다는 거'

1번 실습

model = ChatOpenAI(model_name = "gpt-3.5-turbo")
output_parser = StrOutputParser()
 
template = """\
# INSTRUCTION
- 당신은 긍/부정 분류기입니다.
- {category}에 대한 평가가 긍정적인지 부정적인지를 분류하세요.
- {category}에 대한 평가가 없는 경우 '-'을 표시하세요.
- 결과를 다음과 같은 딕셔너리 형식으로 출력하세요.
 
    "{category}": "긍정/부정/-"
 
# SENTENCE: "직원 분들 너무 친절하시고 음식 맛은 대한민국 호텔 뷔페 넘버 원인데 말해 뭐 해입니다 조금씩 일찍 입장시켜주시는 융통성도 좋아요 쪼금 아쉬운 건 의 외로 과일류 구색이 약하다는 거"
"""
 
prompt = PromptTemplate.from_template(template)
runnable = {"category": RunnablePassthrough()}
chain = runnable | prompt | model
 
# 동기적 방식
chain.batch([
    {"category":"맛"},
    {"category":"서비스"},
    {"category":"가격"}
])
 
# 비동기적 방식
await chain.abatch([
    {"category":"맛"},
    {"category":"서비스"},
    {"category":"가격"}
])

2번 실습

model = ChatOpenAI(model_name = "gpt-3.5-turbo")
output_parser = StrOutputParser()
 
template1 = """\
# INSTRUCTION
- 당신은 긍/부정 분류기입니다.
- 맛에 대한 평가가 긍정적인지 부정적인지를 분류하세요.
- 맛에 대한 평가가 없는 경우 '-'을 표시하세요.
- 결과를 다음과 같은 딕셔너리 형식으로 출력하세요.
 
    "맛": "긍정/부정/-"
 
# SENTENCE: {sentence}
"""
 
template2 = """\
# INSTRUCTION
- 당신은 긍/부정 분류기입니다.
- 서비스에 대한 평가가 긍정적인지 부정적인지를 분류하세요.
- 서비스에 대한 평가가 없는 경우 '-'을 표시하세요.
- 결과를 다음과 같은 딕셔너리 형식으로 출력하세요.
 
    "서비스": "긍정/부정/-"
 
# SENTENCE: {sentence}
"""
 
template3 = """\
# INSTRUCTION
- 당신은 긍/부정 분류기입니다.
- 가격에 대한 평가가 긍정적인지 부정적인지를 분류하세요.
- 가격에 대한 평가가 없는 경우 '-'을 표시하세요.
- 결과를 다음과 같은 딕셔너리 형식으로 출력하세요.
 
    "가격": "긍정/부정/-"
 
# SENTENCE: {sentence}
"""
 
prompt1 = PromptTemplate.from_template(template1)
prompt2 = PromptTemplate.from_template(template2)
prompt3 = PromptTemplate.from_template(template3)
 
chain1 = prompt1 | model | output_parser
chain2 = prompt2 | model | output_parser
chain3 = prompt3 | model | output_parser
 
combined = RunnableParallel(
    taste = chain1,
    service = chain2,
    price = chain3,
)
 
for i in range(len(review)):
    result = combined.batch([{"sentence": temp_review.Review_Text[i]}])
    print(result)

3번 실습

from langchain_openai import ChatOpenAI
from langchain_core.prompts import PromptTemplate
from langchain_core.output_parsers import JsonOutputParser
from langchain_core.runnables import RunnablePassthrough, RunnableParallel
from operator import itemgetter
 
template = """\
# INSTRUCTION
- 당신은 {sentence}에서 {category}에 따라 긍/부정을 분류하는 역할입니다.
- {category}에 대한 반응을 [긍정, 부정, -] 중 하나로 분류하세요
- JSON 형식으로 출력하세요
"""
 
prompt = PromptTemplate.from_template(template)
model = ChatOpenAI(model_name = "gpt-3.5-turbo")
output_parser = JsonOutputParser()
chain = prompt | model | output_parser
 
def make_runnable(text):
    return RunnablePassthrough.assign(category = lambda _: text)
 
combined = RunnableParallel(
    taste = make_runnable("맛") | chain,
    service = make_runnable("서비스") | chain,
    price = make_runnable("가격") | chain,
)
 
review = "직원분들 너무 친절하시고 음식맛은 대한민국 호텔부페 넘버원인데 말해뭐해 입니다 조금씩 일찍 입장 시켜주시는 융통성도 좋아요 쬐끔 아쉬운건 의외로 과일류 구색이 약하다는 거"
 
combined.invoke({"sentence": review})

  • make_runnable(text)를 통해 category에 review를 추가할 수 있다.

  • RunnablePassthrough.assign()는 딕셔너리를 추가할 때 용이한데 그래서 딕셔너리 형태로만 받는다.

  • 예제

add_runnable = RunnablePassthrough.assign(taste = lambda x: "안뇽")
add_runnable.invoke({"input": "다람쥐"})
# 출력값
# {'input': '다람쥐', 'taste': '안뇽'}

{"input":"다람쥐"}에 딕셔너리 형태로 {"taste":"안뇽"}이 들어간 것이다.

runnable = {"input": RunnablePassthrough()}
add_runnable = RunnablePassthrough.assign(taste = lambda x: "안뇽")
(runnable | add_runnable).invoke("다람쥐")
# 출력값
# {'input': '다람쥐', 'taste': '안뇽'}

(runnable | add_runnable).invoke("다람쥐")에서 "다람쥐"가 맨앞의 runnable에 들어가며 {"input":"다람쥐"} 딕셔너리가 만들어지고 add_runnable을 통해 {"taste":"안뇽"}이 추가 되었다.

Graph View

Backlinks

  • No backlinks found