GPT协助海外用户舆情分析实例

正文

请到「今天看啥」查看全文

*GPT现有的模型

图示为GPT现有的3个模型：4o，o1和o1-mini。就这次分析的经验来说，4o宛若一个智障，不但要多次返工还会瞎编，所以在不建议作为主力分析模型使用。o1和o1-mini的文字归纳和推理能力尚可，因此可以在进行评论主题分类的时候使用。

这两者中，o1和o1-mini推理能力有所差别 - 就如名字所指示的那样，o1-mini在长文本推理和归纳方面是o1的阉割版，并且文本处理条数也受限，因此，如果需要处理长评或者复杂文本，o1是首选，其次o1-mini。除非在实在没有办法的情况下，不要用4o，如果不得已要用，请务必校准其输出结果。

但是考虑到大模型的资源受限（笔者的GPT账号是个人会员版），其中o1以及o1-mini都是有限次数使用，因此，需要将4o，o1-mini和o1搭配着使用，其中o1在核心推理步骤才使用，其余时间都是使用4o和o1-mini。至于什么是核心推理步骤，下面会详细说明。当然，如果后续人使用的是富裕的pro版，那就无脑o1，因为推理性能最好。

源数据到手，就是387条乱序评论。这时候需要进行主题的初步框定。笔者尝试过将387条评论一次性输入进GPT（o1模型）中进行分析，但是得到的结果是：文本量过大，无法处理。因此，只能采取分批次处理策略，一次性输入20-30条，然后对这些评论进行主题分析，归纳出对应主题；然后再次输入下20-30条，填充进现有主题，或者增添新主题，直到所有评论按批次处理完毕。

在前期主题提取的过程中使用的模式是o1 - 因为需要从无到有的创造主题，因此对于模型的推理能力要求更高；但是，当笔者发现主题饱和出现之后，果断将模型切换为o1-mini - 因为这种情况下对于文字推理的能力要求出现降低，只需要在现有的主题框架下填充评论即可。

但是，由于o1-mini本身的推理能力限制，在该模型进行推理完输出评论后，务必人工校准一下，因为mini偶尔会出现主题归纳不规范的情况。这时候，需要手动校准 - 错误概率不是很多，可能每40-50条评论，或者模棱两可的评论会出现这样的情况。

在主题提取的过程中，笔者从领导那里获取了一个框架：需要区分正/负面评论。那在该大框架下，笔者又手动调校了一个二级框架，设定为：

正面评论（P）

主题一

主题二

主题...

负面评论（N）

主题一

主题二

主题...

在完成这一步之后，接下来是训练人工智能。首先，就像笔者刚才所说的那样，非关键步骤不要使用o1，因此，在这步，先使用4o - 开启GPT一个新主题，第一个prompt，开始介绍背景："我现在需要给Coohom这一设计工具进行用户评论的定性分析。接下来，我会给你输入一个框架，你理解一下输出给我你的理解。如果和我要求的一致，我会给你输入新的指令。”

这时候，GPT应该给你一个继续指令的回复。下一步，就是将框架输入给它，然后看它的理解。我输入给它框架后，它的答复如下：

请到「今天看啥」查看全文