案例2：评论情感分类数据集

在刚刚的场景中，我们已经使用过问题模版了，这一个非常灵活的功能，它也可以用在文本数据集上，我们来具一个构造文本分类数据集的例子。

目标场景：现有一份微博评论数据，希望基于大模型分析评论是正面还是负面的，用于训练情感分类模型。

数据示例：使用固定的 -------- 分隔符进行分割：

在 EDS 中，我们首先要在任务设置中将分块策略改为 “自定义符号分块” （在自定义分隔符处输入：---------），这种策略会严格按照给定的分割符进行分块，并且会忽略分隔符，不受文本块的大小限制：

然后我们来到文献处理模块，导入这份配置：

然后我们将得到按照评论内容分割的文本块：

这时，我们来到问题管理，创建一个问题模版：

• 在问题中输入：“对评论进行情感分析”

• 提示词填写：“对评论进行情感分析，并将评论分为三类：正面、负面、中性”

• 定义三个标签：正面、负面、中性

然后我们看到 EDS 为每个文本块都创建了这个问题，我们点击自动提取数据集 - 单轮对话数据集：

然后我们在数据集详情可以看到对文本块（评论）的分析结果，答案只分布在了正面、负面、中性这三个标签内：

在导出数据集时，我们选择自定义格式，并勾选包含文本块：

然后我们就得到了一份评论情感分类数据集：