ai_classify 函数

适用于： Databricks SQL Databricks Runtime

该 ai_classify() 函数根据提供的自定义标签对文本内容进行分类。 可以使用简单的标签名称进行基本分类，或者添加标签说明和说明，以提高客户支持路由、文档分类和内容分析等用例的准确性。

该函数接受来自其他 AI 函数的文本或 VARIANT 输出，例如 ai_parse_document启用可组合工作流。

有关要循环访问 ai_classify的 UI 版本，请参阅 “分类”。

要求

支持此函数的模型是使用模型服务基础模型 API 提供的。 有关 Databricks 上可用的模型以及控制这些模型的使用的许可证和策略的信息，请参阅 适用的模型条款 。

如果模型根据Azure Databricks的内部基准性能更好，Databricks 可能会更改模型并更新文档。

• 此函数仅在某些区域中可用，请参阅 AI 函数可用性。
• 对于具有 增强安全性和合规性加载项的工作区，
  • 有关适当的ai_classify，请参阅区域支持。
  • 有关如何在工作区上启用预览版，请参阅“管理Azure Databricks预览”。
• 此函数在 SQL 经典版Azure Databricks不可用。
• 查看 Databricks SQL 定价页。
• 在 Databricks Runtime 15.1 及更高版本中，Azure Databricks笔记本支持 ai_classify 函数，包括作为任务在 Azure Databricks 工作流中运行的笔记本。
• 批处理推理工作负荷需要 Databricks Runtime 15.4 ML LTS 来提高性能。

语法

版本 2 （建议）

ai_classify(content, labels [, options])

版本 1 （旧版）

ai_classify(content, labels [, options])

参数

版本 2 （建议）

• content：VARIANT 或 STRING 表达式。 接受以下任一：

  • 原始文本作为 STRING
  • VARIANT由另一个 AI 函数（例如ai_parse_document或ai_extract）生成的

• labels：定义 STRING 分类标签的表达式。 这可以是字符串文本或任何计算结果为一 STRING个 SQL 表达式，包括 Delta 表列。 标签可以是：

  • 简单标签：标签名称的 JSON 数组。

    ["urgent", "not_urgent"]
    

  • 带说明的标签：JSON 对象将标签名称映射到说明。 标签说明必须为 0-1000 个字符。

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

  每个标签必须为 1-100 个字符。 labels 必须至少包含 2 个标签，且不超过 500 个标签。 有关大于 500 个标签的分类，请参阅 具有 500 多个标签的分类。

• options：包含配置选项的可选 MAP<STRING, STRING> 选项：

  • version：版本切换以支持迁移（"1.0" 对于 v1 行为， "2.0" 对于 v2 行为）。 默认值基于输入类型，但回退到 "1.0"。
  • instructions：用于提高分类质量的任务和域的全局说明。 必须少于 20,000 个字符。
  • multilabel：设置为 "true" 在应用多个类别时返回多个标签。 默认值为 "false" （单标签分类）。

版本 1 （旧版）

• content STRING：包含要分类的文本的表达式。

• labels ARRAY<STRING>：具有预期输出分类标签的文本。 必须至少包含 2 个元素，且不得包含 20 个以上的元素。 每个标签必须为 1-50 个字符。

• options：包含配置选项的可选 MAP<STRING, STRING> 选项：

  • version：版本切换以支持迁移（"1.0" 对于 v1 行为， "2.0" 对于 v2 行为）。 默认值基于输入类型，但回退到 "1.0"。

返回

版本 2 （建议）

返回一个 VARIANT 包含：

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

该 response 字段包含：

• 单标签模式 （默认值）：包含一个包含最佳匹配标签的元素的数组
• 多标签模式 （multilabel: "true"）：应用多个类别时具有多个标签的数组
• 标签名称与参数中 labels 提供的名称完全匹配

如果NULLcontent为NULL或无法对内容进行分类，则返回。

版本 1 （旧版）

返回一个 STRING。 该值与 labels 参数中提供的字符串之一匹配。

如果NULLcontent为NULL或无法对内容进行分类，则返回。

示例

版本 2 （建议）

简单标签 - 仅标签名称

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

带说明的标签

> 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
 }

Delta 表中的标签

通过将标签转换为 JSON 字符串，从 Delta 表传递标签。 例如，给定具有架构 news_topics(topic STRING, description STRING)的标签表，可以将标签传递到 ai_classify 如下所示：

SELECT
  ai_classify(
    "Leicester City Wins Premier League Title at 5000-1 Odds",
    l.labels,
    map('version', '2.0')
  ) AS classification
FROM (
  SELECT to_json(map_from_entries(collect_list(struct(topic, description)))) AS labels
  FROM news_topics
) l;

使用全局说明

> 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
 }

多标签分类

> 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('version', '2.0','multilabel', 'true')
  );
 {
   "response": ["billing_issue", "product_defect"],
   "error": null
 }

可组合性 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;

批处理分类

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

具有 500 多个标签的分类

若要使用 500 多个标签进行分类，建议嵌入文档和标签，检索每个文档的顶部 K 标签，然后在较小的子集上运行 ai_classify 。

有关分步演练 ，请参阅教程：使用 500 多个标签对文档进行分类 。

版本 1 （旧版）

> 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;

局限性

版本 2 （建议）

版本 2 限制：

• 此函数在 SQL 经典版Azure Databricks不可用。

• 此函数不能与 视图一起使用。

• 每个标签名称必须为 1-100 个字符。

• 该 labels 参数必须包含 2 到 500 个唯一标签。

• 每个标签说明必须为 0-1,000 个字符。

• 最大上下文大小为 128,000 个令牌。

版本 1 （旧版）

版本 1（旧版）限制：

• 此函数在 SQL 经典版Azure Databricks不可用。

• 此函数不能与 视图一起使用。

• 每个标签名称必须为 1 到 50 个字符。

• 数组 labels 必须包含 2 到 20 个标签。

• 输入 content 必须小于 128,000 个标记（约 300,000 个字符）。

相关函数

• ai_extract 函数
• ai_parse_document 函数