ai_classify-functie

Van toepassing op: Databricks SQL Databricks Runtime

De ai_classify() functie classificeert tekstinhoud op basis van aangepaste labels die u opgeeft. U kunt eenvoudige labelnamen gebruiken voor basisclassificatie of labelbeschrijvingen en instructies toevoegen om de nauwkeurigheid te verbeteren voor gebruiksvoorbeelden zoals routering van klanten, documentcategorisatie en inhoudsanalyse.

De functie accepteert tekst of VARIANT uitvoer van andere AI-functies, zoals ai_parse_documenthet inschakelen van composable werkstromen.

Zie ai_classify voor een ui-versie die u wilt herhalen.

Vereisten

Het model dat deze functie mogelijk maakt, wordt beschikbaar gesteld met behulp van Model Serving Foundation Model-API's. Zie Toepasselijke modelvoorwaarden voor informatie over welke modellen beschikbaar zijn in Databricks en de licenties en beleidsregels die het gebruik van deze modellen bepalen.

Als er in de toekomst modellen ontstaan die beter presteren volgens de interne benchmarks van Databricks, kan Databricks de modellen wijzigen en de documentatie bijwerken.

• Deze functie is alleen beschikbaar in sommige regio's, zie beschikbaarheid van AI-functies.
• Deze functie is niet beschikbaar in Azure Databricks SQL Classic.
• Controleer de pagina met prijzen voor Databricks SQL.
• In Databricks Runtime 15.1 en hoger wordt deze functie ondersteund in Databricks-notebooks, waaronder notebooks die worden uitgevoerd als een taak in een Databricks-werkstroom.
• Batch-inference workloads vereisen Databricks Runtime 15.4 ML LTS voor betere prestaties.

Syntaxis

Versie 2 (aanbevolen)

ai_classify(
    content VARIANT | STRING,
    labels STRING,
    [options MAP<STRING, STRING>]
) RETURNS VARIANT

Versie 1

ai_classify(
    content STRING,
    labels ARRAY<STRING>,
    [options MAP<STRING, STRING>]
) RETURNS STRING

Argumenten

Versie 2 (aanbevolen)

• content: Een VARIANT- of STRING-expressie. Accepteert ofwel:

  • Onbewerkte tekst als een STRING
  • Een VARIANT functie die wordt geproduceerd door een andere AI-functie (zoals ai_parse_document of ai_extract)

• labels: Een STRING letterlijke definitie van de classificatielabels. De labels kunnen het volgende zijn:

  • Eenvoudige labels: een JSON-matrix met labelnamen.

    ["urgent", "not_urgent"]
    

  • Labels met beschrijvingen: een JSON-object waarmee labelnamen aan beschrijvingen worden toegewezen. Labelbeschrijvingen moeten 0-1000 tekens zijn.

    {
      "billing_error": "Payment, invoice, or refund issues",
      "product_defect": "Any malfunction, bug, or breakage",
      "account_issue": "Login failures, password resets"
    }
    

  Elk label moet 1-100 tekens bevatten. labels moet ten minste 2 etiketten en maximaal 500 etiketten bevatten.

• options: Een optioneel MAP<STRING, STRING> met configuratieopties:

  • version: Versieswitch voor ondersteuning van migratie ("1.0" voor v1-gedrag, "2.0" voor v2-gedrag). De standaardwaarde is gebaseerd op invoertypen, maar valt terug op "1.0".
  • instructions: Globale beschrijving van de taak en het domein om de classificatiekwaliteit te verbeteren. Moet kleiner zijn dan 20.000 tekens.
  • multilabel: Ingesteld om "true" meerdere labels te retourneren wanneer meerdere categorieën van toepassing zijn. Standaard is "false" (classificatie met één label).

Versie 1

• content: Een STRING expressie die de tekst bevat die moet worden geclassificeerd.

• labels: Een ARRAY<STRING> letterlijke waarden met de verwachte labels voor uitvoerclassificatie. Moet ten minste 2 elementen bevatten en niet meer dan 20 elementen. Elk label moet 1-50 tekens bevatten.

• options: Een optioneel MAP<STRING, STRING> met configuratieopties:

  • version: Versieswitch voor ondersteuning van migratie ("1.0" voor v1-gedrag, "2.0" voor v2-gedrag). De standaardwaarde is gebaseerd op invoertypen, maar valt terug op "1.0".

Retouren

Versie 2 (aanbevolen)

Retourneert een VARIANT met:

{
  "response": ["label_name"], // Array with single label (or multiple if multilabel=true)
  "error_message": null // null on success, or error message on failure
}

Het response veld bevat:

• Modus met één label (standaard): Een matrix met één element met het beste overeenkomende label
• Modus met meerdere labels (multilabel: "true"): Een matrix met meerdere labels wanneer meerdere categorieën van toepassing zijn
• Labelnamen komen exact overeen met namen die zijn opgegeven in de labels parameter

Retourneert NULL of contentNULL als de inhoud niet kan worden geclassificeerd.

Versie 1

Geeft als resultaat een STRING. De waarde komt overeen met een van de tekenreeksen die in het labels argument zijn opgegeven.

Retourneert NULL of contentNULL als de inhoud niet kan worden geclassificeerd.

Voorbeelden

Versie 2 (aanbevolen)

Eenvoudige labels - alleen labelnamen

> SELECT ai_classify(
    'My password is leaked.',
    '["urgent", "not_urgent"]'
  );
 {
   "response": ["urgent"],
   "error": null
 }

Labels met beschrijvingen

> SELECT ai_classify(
    'Customer cannot complete checkout due to payment processing error.',
    '{
      "billing_error": "Payment, invoice, or refund issues",
      "product_defect": "Any malfunction, bug, or breakage",
      "account_issue": "Login failures, password resets",
      "feature_request": "Customer suggestions for improvements"
    }'
  );
 {
   "response": ["billing_error"],
   "error": null
 }

Algemene instructies gebruiken

> SELECT ai_classify(
    'User reports app crashes on startup after update.',
    '["critical", "high", "medium", "low"]',
    MAP('instructions', 'Classify bug severity based on user impact and frequency.')
  );
 {
   "response": ["critical"],
   "error": null
 }

Classificatie met meerdere labels

> SELECT ai_classify(
    'Customer wants refund and reports product arrived broken.',
    '{
      "billing_issue": "Payment or refund requests",
      "product_defect": "Damaged or malfunctioning items",
      "shipping_issue": "Delivery problems"
    }',
    MAP('multilabel', 'true')
  );
 {
   "response": ["billing_issue", "product_defect"],
   "error": null
 }

Composabiliteit met ai_parse_document

> WITH parsed_docs AS (
    SELECT
      path,
      ai_parse_document(
        content,
        MAP('version', '2.0')
      ) AS parsed_content
    FROM READ_FILES('/Volumes/support/tickets/', format => 'binaryFile')
  )
  SELECT
    path,
    ai_classify(
      parsed_content,
      '["billing_error", "product_defect", "account_issue", "feature_request"]',
      MAP('instructions', 'Customer support ticket classification.')
    ) AS ticket_category
  FROM parsed_docs;

Batchclassificatie

> SELECT
    description,
    ai_classify(
      description,
      '["clothing", "shoes", "accessories", "furniture", "electronics"]'
    ) AS category
  FROM products
  LIMIT 10;

Versie 1

> SELECT ai_classify("My password is leaked.", ARRAY("urgent", "not urgent"));
  urgent

> SELECT
    description,
    ai_classify(description, ARRAY('clothing', 'shoes', 'accessories', 'furniture')) AS category
  FROM
    products
  LIMIT 10;

Beperkingen

Versie 2 (aanbevolen)

Beperkingen voor versie 2:

• Deze functie is niet beschikbaar in Azure Databricks SQL Classic.

• Deze functie kan niet worden gebruikt met weergaven.

• Labelnamen moeten elk 1 tot 100 tekens bevatten.

• De labels parameter moet tussen 2 en 500 unieke labels bevatten.

• Labelbeschrijvingen moeten elk 0 tot 1000 tekens bevatten.

• De maximale totale contextgrootte is 128.000 tokens.

Versie 1

Beperkingen voor versie 1:

• Deze functie is niet beschikbaar in Azure Databricks SQL Classic.

• Deze functie kan niet worden gebruikt met weergaven.

• Labelnamen moeten elk 1 tot 50 tekens bevatten.

• De labels matrix moet tussen 2 en 20 labels bevatten.

• De content invoer moet kleiner zijn dan 128.000 tokens (ongeveer 300.000 tekens).

Gerelateerde functies

• ai_extract Functie
• ai_parse_document Functie