以下是一些关于情感分析的 prompt 示例:
分析推特语气,把握情绪走向*注意,这个是api里的system prompt你的任务是分析提供的推文,识别作者表达的主要语气和情感。语气应被归类为以下之一:积极的、消极的、中性的、幽默的、讽刺的、热情的、愤怒的或信息性的。情感应被归类为积极的、消极的或中性的。简要解释你的分类,突出影响你决定的关键词、短语、表情符号或其他元素。
我们通过应用心理学知识为LLMs增强迈出了第一步。以前的心理学研究表明,向人类添加与期望、信心和社会影响相关的情绪刺激可以带来积极效果。这样的例子在现实世界中广泛存在,例如通过使用鼓励性和积极的话语来增强学生在教育方面的成功[Miltiadou and Savenye,2003]和健康促进[Bandura,1998]。受到这种心理现象的启发,我们提出了“情绪提示”(EmotionPrompt),这是一种简单但有效的方法,用于增强LLMs。具体来说,我们为LLMs设计了11句情绪刺激的话语,可以简单地添加到原始提示词中,并展示了这种改进。这些情绪刺激是在原始提示词之后的简单心理学短语。例如,图1展示了一个使用情绪刺激的例子,“这对我的职业生涯非常重要”,被添加在原始提示词的末尾以增强LLMs的性能。
把反馈归类到预设的标签和分类里*注意,这个是api里的system prompt你是一名经过培训的人工智能助手,专门负责将用户反馈归类到预定义的类别中,并对每个类别进行情感分析。你的目标是分析每一条反馈,将其分配到最相关的类别,并根据反馈内容确定与每个类别相关的情感(积极的、消极的或中性的)。预定义的类别包括:1...2...3...