נוסחת GPT_CLASSIFY

=GPT_CLASSIFY(value, categories, instructions, output, bypassCache)

פרמטר	תיאור	ברירת מחדל
value	התא לסיווג (לדוגמה: A2), או טווח של עד 100 תאים (לדוגמה: A2:A50). טווח מחזיר תוצאה אחת לכל תא, באותה צורה. נדרש	""
categories	רשימה מופרדת בפסיקים (לדוגמה: "Bug, Feature, Question") או טווח של תאים. טווח חד-טורי מכיל את התוויות; טווח דו-טורי מכיל תווית ותיאור שלה (לדוגמה: F2:G5). תיאורים הופכים את הסיווג למדויק יותר באופן ניכר. נדרש	""
instructions	הקשר עבור המסווג (לדוגמה: "פניות תמיכה של מוצר SaaS").	""
output	label (הקטגוריה שנבחרה), confidence (ציון מ-0 עד 1 של הקטגוריה שנבחרה), both (תווית וציון בשני טורים) או all (ציון אחד לכל קטגוריה, בסדר הקטגוריות שלכם).	label
bypassCache	עקוף את המטמון וסווג מחדש.	false

נוסחה	תוצאה
=GPT_CLASSIFY(A2, "Bug, Feature, Question")	Bug
=GPT_CLASSIFY(A2, "Bug, Feature, Question", "Support tickets", "both")	Bug | 0.94
=GPT_CLASSIFY(A2, F2:G5, , "all")	ציון אחד לכל קטגוריה, בסדר F2:F5
=GPT_CLASSIFY(A2:A50, $F$2:$G$5)	תווית אחת לכל שורה, בנוסחה אחת

טיפ: שימו את הקטגוריות שלכם בטווח עם תיאור ליד כל תווית, לדוגמה Bug | something is broken, Feature | asks for a new capability, Question | asks how to do something. לאחר מכן הפנו לטווח עם $F$2:$G$5 כדי שתוכלו לגרור את הנוסחה למטה.

כל סיווג תמיד מחזיר את הקטגוריה התואמת ביותר. השתמשו ב-“both” כדי לקבל את רמת הביטחון ליד התווית ולסמן שורות בעלות ביטחון נמוך לביקורת אנושית באמצעות סינון או עיצוב מותנה, או ב-“all” כדי לראות את התפלגות הציונים המלאה ליצירת מפת חום.

תאים ריקים מחזירים תוצאה ריקה. טקסטים זהים בטווח מסווגים פעם אחת, והרצה חוזרת של טווח מסווגת רק את התאים שהטקסט שלהם השתנה.

הנוסחה =GPT_CLASSIFY פועלת על TypeSafe Jev, מודל החלטה שעונה על שאלה חד-ברירית עם הסתברות לכל קטגוריה. הוא מהיר וזול בערך פי 10 מנוסחת טקסט, והחיוב הוא בעלות בפועל של המודל. הוא זמין בכל תוכנית.

אם מודל ההחלטה אינו זמין, הנוסחה חוזרת למודל הטקסט הרגיל כדי שהגיליון שלכם לעולם לא יציג שגיאה מסיבה זו; ציון הביטחון ייוותר ריק במקרה כזה.