AI_CLASSIFY¶

Regionsverfügbarkeit¶

Die folgende Tabelle zeigt die Regionen, in denen Sie die Funktion AI_CLASSIFY sowohl für Text als auch für Bilder verwenden können:

Syntax¶

AI_CLASSIFY( <input> , <list_of_categories> [, <config_object>] )

Argumente¶

Benötigt:

input

Die Zeichenfolge, das Bild oder Prompt-Objekt, das Sie klassifizieren wollen.

Bei der Textklassifizierung wird bei der Eingabe die Groß- und Kleinschreibung beachtet. Die Ergebnisse können je nach Groß- und Kleinschreibung variieren.

list_of_categories

Ein Array von Kategorien mit mindestens einem und höchstens 500 eindeutigen Werten. Bei Kategorien wird zwischen Groß- und Kleinschreibung unterschieden.

Kategorien können einfache Zeichenfolgen oder SQL-Objekte desselben Typs sein. Wenn Sie Objekte verwenden, können Sie eine Beschreibung für eine oder mehrere Kategorien angeben, um die Klassifizierungsgenauigkeit zu verbessern.

Geben Sie für jede Kategorie Folgendes an:

• label (Erforderlich): Der Name der Kategorie.

• description (Optional): Beschreibt die Kategorie in nicht mehr als 25 Wörtern.

Bemerkung

Beschreibungen zählen als Eingabetoken, was die Kosten für die Klassifizierungsoperation erhöht. Weitere Informationen dazu finden Sie unter Hinweise zu Kosten.

Optional:

config_object

Konfigurationseinstellungen, die als Schlüssel/Wertpaare angegeben werden. Unterstützte Schlüssel:

• task_description: Eine Erklärung der Klassifizierungsaufgabe, die höchstens 50 Wörter umfasst. Dies kann dem Modell helfen, den Kontext der Klassifizierungsaufgabe zu verstehen und die Genauigkeit zu verbessern.

• output_mode: Setzen Sie diese Option auf 'multi' für die Klassifizierung mit mehreren Labels. Die Standardeinstellung ist 'single' für die Klassifizierung mit einzelnen Labels.

• examples: Eine Liste von Beispielobjekten für das Few-Shot-Learning. Jedes Beispiel muss Folgendes enthalten:

  • input: Beispieltext zum Klassifizieren.

  • labels: Liste der richtigen Kategorien für die Eingabe.

  • explanation: Erklärung, warum die Eingabe diesen Kategorien zugeordnet wird.

Rückgabewerte¶

Ein Serienobjekt. Das Feld labels des Objekts ist ein Array, das die Liste der Kategorien angibt, zu denen die Eingabe gehört.

Bei der Klassifizierung eines einzelnen Labels hat das Array labels genau ein Element. Bei einer Klassifizierung mit mehreren Labels kann das Feld labels mehrere Elemente enthalten.

Wenn Sie ungültige Werte für die Argumente angeben, gibt die Funktion einen Fehler zurück. Eine Liste der möglichen Fehler finden Sie unter Fehlerbedingungen.

Anforderungen an die Zugriffssteuerung¶

Benutzer müssen eine Rolle verwenden, die die Datenbankrolle SNOWFLAKE.CORTEX_USER besitzt. Weitere Informationen zu dieser Berechtigung finden Sie unter Erforderliche Berechtigungen.

Nutzungshinweise¶

Die besten Ergebnisse erzielen Sie, wenn Sie diese Richtlinien befolgen:

• Verwenden Sie für input und list_of_categories einfachen Text in englischer Sprache.

• Vermeiden Sie die Aufnahme von Codeausschnitten, Protokollen oder nicht-englischem Text.

• Vermeiden Sie die Verwendung von Nicht-Open-Source-Code oder -Formatierungen (wie z. B. proprietäre Sprachen oder Formate) im Text. Das zugrunde liegende Sprachmodell wird nicht auf proprietären Formaten trainiert.

• Verwenden Sie keine Abkürzungen, Sonderzeichen oder Fachausdrücke in den Kategoriebezeichnungen.

• Verwenden Sie beschreibende Kategorien. Vermeiden Sie die Verwendung von Kategorienamen wie „Xa4s3“ oder „Kategorie 1“.

• Verwenden Sie sich gegenseitig ausschließende Kategorien.

• Eine klare Aufgabenbeschreibung kann die Genauigkeit verbessern, wenn die Beziehung zwischen der Eingabe und den Kategorien unklar oder komplex ist.

• Das Hinzufügen von Labels kann die Genauigkeit verbessern, insbesondere wenn die Labels mehrdeutig sind oder bestimmte Auswahlkriterien erfordern. Schreiben Sie Beschreibungen, die deutlich hervorheben, was die einzelnen Labels von den anderen unterscheidet.

• Jedes Label, jede Beschreibung und jedes Beispiel erhöht die Anzahl der Eingabe-Token für jeden Aufruf von AI_CLASSIFY, was sich auf die Kosten auswirkt.

• Beispiele können helfen, die Genauigkeit zu verbessern.

Beispiele¶

Die folgenden Beispiele verwenden die Funktion AI_CLASSIFY mit nur den erforderlichen Argumenten.

SELECT AI_CLASSIFY('One day I will see the world', ['travel', 'cooking']),

'{
  "labels": ["travel"]
 }';

SELECT AI_CLASSIFY('One day I will see the world and learn to cook my favorite dishes', ['travel', 'cooking', 'reading', 'driving'], {'output_mode': 'multi'}),

'{
  "labels": ["travel", "cooking"]
 }';

SELECT AI_CLASSIFY(
  'One day I will see the world and learn to cook my favorite dishes',
  [
    {'label': 'travel', 'description': 'content related to traveling'},
    {'label': 'cooking'},
    {'label': 'reading'},
    {'label': 'driving'}
  ],
  {
    'task_description': 'Determine topics related to the given text',
    'output_mode': 'multi',
    'examples': [
      {
        'input': 'i love traveling with a good book',
        'labels': ['travel', 'reading'],
        'explanation': 'the text mentions traveling and a good book which relates to reading'
      }
    ]
  }),
  '{
  "labels": ["travel", "cooking"]
}';

'{
  "labels": ["travel", "cooking"]
 }'

CREATE OR REPLACE TEMPORARY TABLE text_classification_table AS
SELECT 'France' AS input, ['North America', 'Europe', 'Asia'] AS classes
UNION ALL
SELECT 'Singapore', ['North America', 'Europe', 'Asia']
UNION ALL
SELECT 'one day I will see the world', ['travel', 'cooking', 'dancing']
UNION ALL
SELECT 'my lobster bisque is second to none', ['travel', 'cooking', 'dancing'];

SELECT input,
    classes,
    AI_CLASSIFY(input, classes):labels AS classification
FROM text_classification_table;

WITH food_pictures AS (
  SELECT
      TO_FILE(file_url) AS img
  FROM DIRECTORY(@file_stage)
)
SELECT
*,
AI_CLASSIFY(img, ['dessert', 'drink', 'main dish', 'side dish']):labels AS classification
FROM food_pictures;

  WITH food_pictures AS (
  SELECT
      TO_FILE(file_url) AS img
  FROM DIRECTORY(@file_stage)
)
SELECT
*,
AI_CLASSIFY(PROMPT('Please help me classify the food within this image {0}', img),
  ['dessert', 'drink', 'main dish', 'side dish']):labels AS classification
FROM food_pictures;

Einschränkungen¶

• Die Funktionen von Snowflake AI unterstützen keine inkrementelle Aktualisierung von dynamischen Tabellen.

• Die Funktionen von Snowflake AI funktionieren nicht bei FILE-Objekten, die aus Dateien in den folgenden Stagingbereichen erstellt wurden:

  • Interne Stagingbereiche mit Verschlüsselungsmodus TYPE = 'SNOWFLAKE_FULL'

  • Externe Stagingbereiche mit einem kundenseitigen Verschlüsselungsmodus:

    • TYPE = 'AWS_CSE'

    • TYPE = 'AZURE_CSE'

  • Benutzer-Stagingbereich

  • Tabellen-Stagingbereich

  • Stagingbereich mit Namen in doppelten Anführungszeichen