ai_classify-Funktion

Gilt für: Databricks SQL Databricks Runtime

Die ai_classify() Funktion klassifiziert Textinhalte entsprechend den von Ihnen bereitgestellten benutzerdefinierten Bezeichnungen. Sie können einfache Bezeichnungsnamen für die grundlegende Klassifizierung verwenden oder Bezeichnungsbeschreibungen und Anweisungen hinzufügen, um die Genauigkeit für Anwendungsfälle wie Kundensupportrouting, Dokumentkategorisierung und Inhaltsanalyse zu verbessern.

Die Funktion akzeptiert Text oder VARIANT Ausgabe von anderen KI-Funktionen wie ai_parse_documentz. B. das Aktivieren von komponierbaren Workflows.

Eine UI-Version zum Durchlaufen ai_classifyfinden Sie unter Klassifizierung.

Anforderungen

Das Modell, das diese Funktion unterstützt, wird mithilfe von Model Serving Foundation Model-APIs verfügbar gemacht. Informationen dazu, welche Modelle für Databricks verfügbar sind, sowie die Lizenzen und Richtlinien, die die Verwendung dieser Modelle regeln, finden Sie unter "Anwendbare Modellbedingungen ".

Wenn in Zukunft Modelle entstehen, die nach den internen Benchmarks von Databricks besser funktionieren, können Databricks die Modelle ändern und die Dokumentation aktualisieren.

• Diese Funktion ist nur in einigen Regionen verfügbar, siehe Verfügbarkeit der KI-Funktion.
• Diese Funktion ist für Azure Databricks SQL Classic nicht verfügbar.
• Weitere Informationen finden Sie auf der Seite zu den Preisen von Databricks SQL.
• In Databricks Runtime 15.1 und höher wird diese Funktion in Databricks-Notebooks unterstützt, einschließlich in Notebooks, die als Task in einem Databricks-Workflow ausgeführt werden.
• Batch-Ableitungsworkloads erfordern Databricks Runtime 15.4 ML LTS für eine verbesserte Leistung.

Syntax

Version 2 (empfohlen)

ai_classify(
    content VARIANT | STRING,
    labels STRING,
    [options MAP<STRING, STRING>]
) RETURNS VARIANT

Version 1

ai_classify(
    content STRING,
    labels ARRAY<STRING>,
    [options MAP<STRING, STRING>]
) RETURNS STRING

Argumente

Version 2 (empfohlen)

• content: Ein VARIANT- oder STRING-Ausdruck. Akzeptiert entweder:

  • Unformatierter Text als STRING
  • Eine von einer anderen KI-Funktion erzeugte Funktion (zVARIANT. B. ai_parse_document oder ai_extract)

• labels: Ein STRING Literal, das die Klassifizierungsbezeichnungen definiert. Die Bezeichnungen können folgende Sein:

  • Einfache Bezeichnungen: Ein JSON-Array von Bezeichnungsnamen.

    ["urgent", "not_urgent"]
    

  • Bezeichnungen mit Beschreibungen: Eine JSON-Objektzuordnungsbezeichnungsnamen zu Beschreibungen. Bezeichnungsbeschreibungen müssen 0 bis 1000 Zeichen lang sein.

    {
      "billing_error": "Payment, invoice, or refund issues",
      "product_defect": "Any malfunction, bug, or breakage",
      "account_issue": "Login failures, password resets"
    }
    

  Jede Beschriftung muss 1 bis 100 Zeichen lang sein. labels mindestens 2 Etiketten und nicht mehr als 500 Etiketten enthalten.

• options: Optional enthaltende MAP<STRING, STRING> Konfigurationsoptionen:

  • version: Version switch to support migration ("1.0" for v1 behavior, "2.0" for v2 behavior). Der Standardwert basiert auf Eingabetypen, fällt jedoch auf "1.0".
  • instructions: Globale Beschreibung der Aufgabe und Domäne zur Verbesserung der Klassifizierungsqualität. Muss kleiner als 20.000 Zeichen sein.
  • multilabel: Legen Sie fest, dass "true" mehrere Bezeichnungen zurückgegeben werden, wenn mehrere Kategorien angewendet werden. Der Standardwert ist "false" (Klassifizierung mit einer bezeichnungsbasierten Bezeichnung).

Version 1

• content: Ein STRING Ausdruck, der den zu klassifizierenden Text enthält.

• labels: Ein ARRAY<STRING> Literal mit den erwarteten Ausgabeklassifizierungsbezeichnungen. Muss mindestens 2 Elemente und höchstens 20 Elemente enthalten. Jede Beschriftung muss 1 bis 50 Zeichen lang sein.

• options: Optional enthaltende MAP<STRING, STRING> Konfigurationsoptionen:

  • version: Version switch to support migration ("1.0" for v1 behavior, "2.0" for v2 behavior). Der Standardwert basiert auf Eingabetypen, fällt jedoch auf "1.0".

Rückgaben

Version 2 (empfohlen)

Gibt einen enthaltenden Wert zurück VARIANT :

{
  "response": ["label_name"], // Array with single label (or multiple if multilabel=true)
  "error_message": null // null on success, or error message on failure
}

Das response Feld enthält:

• Einzelbeschriftungsmodus (Standard): Ein Array mit einem Element, das die beste übereinstimmende Bezeichnung enthält
• Modus mit mehreren Bezeichnungen (multilabel: "true"): Ein Array mit mehreren Bezeichnungen, wenn mehrere Kategorien angewendet werden
• Bezeichnungsnamen stimmen exakt mit denen überein, die labels im Parameter angegeben sind.

Gibt zurück NULL , wenn contentNULL der Inhalt nicht klassifiziert werden kann.

Version 1

Gibt ein STRING. Der Wert stimmt mit einer der Zeichenfolgen überein, die im labels-Argument angegeben sind.

Gibt zurück NULL , wenn contentNULL der Inhalt nicht klassifiziert werden kann.

Beispiele

Version 2 (empfohlen)

Einfache Bezeichnungen – nur Bezeichnungsnamen

> SELECT ai_classify(
    'My password is leaked.',
    '["urgent", "not_urgent"]'
  );
 {
   "response": ["urgent"],
   "error": null
 }

Bezeichnungen mit Beschreibungen

> SELECT ai_classify(
    'Customer cannot complete checkout due to payment processing error.',
    '{
      "billing_error": "Payment, invoice, or refund issues",
      "product_defect": "Any malfunction, bug, or breakage",
      "account_issue": "Login failures, password resets",
      "feature_request": "Customer suggestions for improvements"
    }'
  );
 {
   "response": ["billing_error"],
   "error": null
 }

Verwenden globaler Anweisungen

> SELECT ai_classify(
    'User reports app crashes on startup after update.',
    '["critical", "high", "medium", "low"]',
    MAP('instructions', 'Classify bug severity based on user impact and frequency.')
  );
 {
   "response": ["critical"],
   "error": null
 }

Klassifizierung mit mehreren Bezeichnungen

> SELECT ai_classify(
    'Customer wants refund and reports product arrived broken.',
    '{
      "billing_issue": "Payment or refund requests",
      "product_defect": "Damaged or malfunctioning items",
      "shipping_issue": "Delivery problems"
    }',
    MAP('multilabel', 'true')
  );
 {
   "response": ["billing_issue", "product_defect"],
   "error": null
 }

Kompositierbarkeit mit ai_parse_document

> WITH parsed_docs AS (
    SELECT
      path,
      ai_parse_document(
        content,
        MAP('version', '2.0')
      ) AS parsed_content
    FROM READ_FILES('/Volumes/support/tickets/', format => 'binaryFile')
  )
  SELECT
    path,
    ai_classify(
      parsed_content,
      '["billing_error", "product_defect", "account_issue", "feature_request"]',
      MAP('instructions', 'Customer support ticket classification.')
    ) AS ticket_category
  FROM parsed_docs;

Batchklassifizierung

> SELECT
    description,
    ai_classify(
      description,
      '["clothing", "shoes", "accessories", "furniture", "electronics"]'
    ) AS category
  FROM products
  LIMIT 10;

Version 1

> SELECT ai_classify("My password is leaked.", ARRAY("urgent", "not urgent"));
  urgent

> SELECT
    description,
    ai_classify(description, ARRAY('clothing', 'shoes', 'accessories', 'furniture')) AS category
  FROM
    products
  LIMIT 10;

Einschränkungen

Version 2 (empfohlen)

Einschränkungen der Version 2:

• Diese Funktion ist für Azure Databricks SQL Classic nicht verfügbar.

• Diese Funktion kann nicht mit Ansichten verwendet werden.

• Bezeichnungsnamen müssen jeweils 1 bis 100 Zeichen lang sein.

• Der labels Parameter muss zwischen 2 und 500 eindeutigen Bezeichnungen enthalten.

• Bezeichnungsbeschreibungen müssen jeweils 0 bis 1.000 Zeichen lang sein.

• Die maximale Gesamtkontextgröße beträgt 128.000 Token.

Version 1

Einschränkungen der Version 1:

• Diese Funktion ist für Azure Databricks SQL Classic nicht verfügbar.

• Diese Funktion kann nicht mit Ansichten verwendet werden.

• Bezeichnungsnamen müssen jeweils 1 bis 50 Zeichen lang sein.

• Das labels Array muss zwischen 2 und 20 Bezeichnungen enthalten.

• Die content Eingabe muss kleiner als 128.000 Token sein (ca. 300.000 Zeichen).

Verwandte Funktionen

• ai_extract Funktion
• ai_parse_document Funktion