Порівняння ефективності текстової категоризації за допомогою prompting підходу з використанням GPT-3.5-Turbo та GPT-4-Turbo.

Abstract

У статті розглядається застосування новітніх мовних моделей GPT-3.5-Turbo та GPT-4-Turbo для задач категоризації текстів. З розвитком технологій штучного інтелекту та машинного навчання зростає інтерес до їх використання в різних галузях, включаючи текстову класифікацію. У роботі аналізується ефективність підходу з використанням запитів (prompting) для покращення розуміння контексту та задачі моделями GPT. У фокусі дослідження - порівняння таких метрик, як повнота (Recall), прецизійність (Precision) та оцінка F1 для обох моделей у задачах категоризації текстів в умовах незбалансованого розподілу даних. Дослідження прагне визначити стабільність та ефективність використання цих моделей для категоризації текстів.