Fine Tuning GPT 3 for Amazon Support Chatbot

Amazon Support Chatbot avec GPT-3 affiné

Ce projet consiste à créer un bot de support Amazon personnalisé à l'aide du modèle de langue GPT-3 par OpenAI. L'objectif est de construire une IA conversationnelle qui peut fournir des réponses précises et utiles aux requêtes des clients en fonction de l'ensemble de données de réponse à la question Amazon. Nous allons affiner un modèle GPT-3 sur une question Amazon personnalisée répondant à cet objectif à cet effet.

Étapes du projet

1. Préparation des données

• Le projet commence par un ensemble de données nommé amazon_qna.csv , qui contient des questions et réponses liées à Amazon.
• Pour former le modèle GPT-3, un petit échantillon de données de formation et de validation est créé à partir de l'ensemble de données d'origine.

2. Conversion des données

• Les ensembles de données de formation et de validation ( training_amazon_qna.csv et validation_amazon_qna.csv ) sont convertis du format CSV au format JSONL ( training_amazon_qna.jsonl et validation_amazon_qna.jsonl )
• Le format JSONL (Lignes JSON) est requis pour affiner le modèle GPT-3.
• Chaque ligne du fichier JSONL contiendrait un JSON valide ayant 2 clés, prompt et completion . Ce format est obligatoire pour affiner un modèle GPT-3.

{ "prompt" : " Non-Ducted range Hood, does this mean there is no need to vent up thru the roof or out thru the wall? -> " , "completion" : " That's correct. The air flows through the filter on the underside and out through the three columns of vent slats you see on the front of the range hood. There is no connection to other vents or ducts in a wall or through the roof. n " }

3. Téléchargement des données sur OpenAI

• Les ensembles de données de formation et de validation convertis au format JSONL sont téléchargés sur la plate-forme OpenAI.
• Ces données seront utilisées pour affiner le modèle GPT-3 pour générer des réponses spécifiques aux requêtes du support client Amazon.

4. Fonction

• Le modèle GPT-3 utilisé pour le réglage fin est davinci .
• Les hyperparamètres pour le réglage fin sont définis comme suit:
  • Nombre d'époches: 15
  • Taille du lot: 3
  • Multiplicateur de taux d'apprentissage: 0,3

5. Surveillance et suivi

• Le processus de formation à affinage fin est surveillé pour s'assurer que le modèle apprend efficacement.
• Les progrès de tous les travaux de réglage fin sont suivis sur la plate-forme Openai.

6. Extraction du nom du modèle

• Une fois le réglage fin terminé, le nom du modèle affiné est extrait du processus de formation.
• Ce modèle sera utilisé pour générer des réponses dans le bot de support Amazon.

7. Inférence

• Le modèle GPT-3 affiné est utilisé pour l'inférence dans le bot de support Amazon.

 prompt = "Is this louder/quiter than the HWM450? Does it need to be cleaned more often? ->"

• L'invite ci-dessus entraînera la réponse suivante

 "I think they are about the same, and it does not need to be cleaned n " 

Conclusion

Ce projet démontre le processus de création d'un bot de support Amazon personnalisé à l'aide d'un modèle GPT-3 affiné. En formant le modèle sur les données de questions et réponses spécifiques à Amazon, le bot peut fournir des réponses utiles aux demandes des clients. Le ReadMe donne un aperçu des étapes du projet, de la préparation des données, du réglage fin, de l'inférence et de l'objectif ultime de construire un chatbot de support client efficace pour les requêtes liées à Amazon.

Contact

Si vous avez des questions, des suggestions ou souhaitez discuter davantage de ce projet, n'hésitez pas à me contacter:

• E-mail
• Liendin

Je suis ouvert à la collaboration et je serais heureux de se connecter!

Mir Abdullah Yaser