Công thức GPT_CLASSIFY

Phân loại văn bản vào các danh mục của riêng bạn với =GPT_CLASSIFY

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

Tham số	Mô tả	Mặc định
`value`	Ô cần phân loại (ví dụ: A2), hoặc một dải ô tối đa 100 ô (ví dụ: A2:A50). Một dải ô trả về một kết quả cho mỗi ô, với cùng hình dạng. bắt buộc	""
`categories`	Một danh sách phân cách bằng dấu phẩy (ví dụ: "Bug, Feature, Question") hoặc một dải ô. Dải ô một cột chứa các nhãn; dải ô hai cột chứa nhãn và mô tả của nó (ví dụ: F2:G5). Mô tả giúp việc phân loại chính xác hơn đáng kể. bắt buộc	""
`instructions`	Ngữ cảnh cho bộ phân loại (ví dụ: "Support tickets of a SaaS product").	""
`output`	`label` (danh mục được chọn), `confidence` (điểm từ 0 đến 1 của danh mục được chọn), `both` (nhãn và điểm trong hai cột) hoặc `all` (một điểm cho mỗi danh mục, theo thứ tự danh mục của bạn).	`label`
`bypassCache`	Bỏ qua bộ nhớ đệm và phân loại lại.	false

Ví dụ

Công thức	Kết quả
`=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")`	một điểm cho mỗi danh mục, theo thứ tự F2:F5
`=GPT_CLASSIFY(A2:A50, $F$2:$G$5)`	một nhãn cho mỗi dòng, trong một công thức duy nhất

Mẹo: đặt các danh mục của bạn trong một dải ô kèm mô tả bên cạnh mỗi nhãn, ví dụ Bug | something is broken, Feature | asks for a new capability, Question | asks how to do something. Sau đó tham chiếu dải ô bằng $F$2:$G$5 để bạn có thể kéo công thức xuống.

Độ tin cậy và xem xét

Mỗi lần phân loại luôn trả về danh mục khớp nhất. Sử dụng "both" để lấy độ tin cậy bên cạnh nhãn và đánh dấu các dòng có độ tin cậy thấp để xem xét lại bởi con người bằng bộ lọc hoặc định dạng có điều kiện, hoặc "all" để xem phân bố điểm đầy đủ cho một biểu đồ nhiệt.

Ô trống trả về kết quả trống. Các văn bản giống nhau trong một dải ô được phân loại một lần, và việc chạy lại dải ô chỉ phân loại những ô có văn bản thay đổi.

Mô hình & giá

=GPT_CLASSIFY chạy trên TypeSafe Jev, một mô hình ra quyết định trả lời một câu hỏi chọn một đáp án với xác suất cho mỗi danh mục. Nó nhanh hơn và rẻ hơn khoảng 10 lần so với công thức văn bản, và được tính phí theo chi phí thực tế của mô hình. Nó có sẵn trên mọi gói.

Nếu mô hình ra quyết định không khả dụng, công thức sẽ chuyển sang mô hình văn bản Standard để bảng của bạn không bao giờ hiển thị lỗi vì lý do đó; khi đó điểm độ tin cậy sẽ để trống.