目录
以下对话，均使用ChatGPT3.5 对话生成结果
1、文本概括
1.1、单一文本概括
以电商平台的商品评论为主，为快速了解用户在评价内容方面的关注点。
1.1.1、限制输出文本长度
您的任务是从电子商务网站上生成一个产品评论的简短摘要。 请对三个反引号之间的评论文本进行概括，最多30个字。 评论:
这个熊猫公仔是我给女儿的生日礼物，她很喜欢，去哪都带着。 公仔很软，超级可爱，面部表情也很和善。但是相比于价钱来说， 它有点小，我感觉在别的地方用同样的价钱能买到更大的。 快递比预期提前了一天到货，所以在送给女儿之前，我自
总结：熊猫公仔很软可爱，女儿喜欢但偏小，快递提前送达。
1.2、设置关键角度侧重
1.2.1、侧重于快递服务
您的任务是从电子商务网站上生成一个产品评论的简短摘要。 请对三个反引号之间的评论文本进行概括，最多30个字，并且侧重在快递服务上。 评论:
这个熊猫公仔是我给女儿的生日礼物，她很喜欢，去哪都带着。 公仔很软，超级可爱，面部表情也很和善。但是相比于价钱来说， 它有点小，我感觉在别的地方用同样的价钱能买到更大的。 快递比预期提前了一天到货，所以在送给女儿之前，我自己玩了会。
总结：熊猫公仔可爱但偏小，价格略高；快递提前一天到达，超出预期。
1.2.2、侧重于价格与质量
您的任务是从电子商务网站上生成一个产品评论的简短摘要。 请对三个反引号之间的评论文本进行概括，最多30个词汇，并且侧重在产品价格和质量上。 评论:
这个熊猫公仔是我给女儿的生日礼物，她很喜欢，去哪都带着。 公仔很软，超级可爱，面部表情也很和善。但是相比于价钱来说， 它有点小，我感觉在别的地方用同样的价钱能买到更大的。 快递比预期提前了一天到货，所以在送给女儿之前，我自己玩了会。
总结：熊猫公仔很软可爱，但尺寸较小，价格偏高，性价比一般。
1.3、关键信息提取
您的任务是从电子商务网站上的产品评论中提取相关信息。 请从以下三个反引号之间的评论文本中提取产品运输相关的信息，最多30个词汇。 评论:
这个熊猫公仔是我给女儿的生日礼物，她很喜欢，去哪都带着。 公仔很软，超级可爱，面部表情也很和善。但是相比于价钱来说， 它有点小，我感觉在别的地方用同样的价钱能买到更大的。 快递比预期提前了一天到货，所以在送给女儿之前，我自己玩了会。
快递比预期提前一天到货，超出预期。
2、文本推断
将通过一个故事，了解如何从产品评价和新闻文章中推导出情感和主题。
2.1、情感推断
2.1.1、情感倾向分析
以下用三个反引号分隔的产品评论的情感是什么？ 评论文本:
我需要一盏漂亮的卧室灯，这款灯具有额外的储物功能，价格也不算太高。 我很快就收到了它。在运输过程中，我们的灯绳断了，但是公司很乐意寄送了一个新的。 几天后就收到了。这款灯很容易组装。我发现少了一个零件，于是联系了他们的客服，他们很快就给我寄来了缺失的零件！ 在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！
情感：积极正面。
使用指定字典词语回答问题
以下用三个反引号分隔的产品评论的情感是什么？ 用一个单词回答：「正面」或「负面」。 评论文本:
我需要一盏漂亮的卧室灯，这款灯具有额外的储物功能，价格也不算太高。 我很快就收到了它。在运输过程中，我们的灯绳断了，但是公司很乐意寄送了一个新的。 几天后就收到了。这款灯很容易组装。我发现少了一个零件，于是联系了他们的客服，他们很快就给我寄来了缺失的零件！ 在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！
正面。
2.1.2、识别情感类型
识别以下评论的作者表达的情感。包含不超过五个项目。将答案格式化为以逗号分隔的单词列表。 评论文本:
我需要一盏漂亮的卧室灯，这款灯具有额外的储物功能，价格也不算太高。 我很快就收到了它。在运输过程中，我们的灯绳断了，但是公司很乐意寄送了一个新的。 几天后就收到了。这款灯很容易组装。我发现少了一个零件，于是联系了他们的客服，他们很快就给我寄来了缺失的零件！ 在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！
满意，感激，欣喜，信任，称赞
2.1.3、识别愤怒
识别以下评论的作者表达的情感是否展现出愤怒，请回答【是】或【否】
评论文本:
我需要一盏漂亮的卧室灯，这款灯具有额外的储物功能，价格也不算太高。 我很快就收到了它。在运输过程中，我们的灯绳断了，但是公司很乐意寄送了一个新的。 几天后就收到了。这款灯很容易组装。我发现少了一个零件，于是联系了他们的客服，他们很快就给我寄来了缺失的零件！ 在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！
否
2.2、信息提取
2.2.1、商品信息提取
从评论文本中识别以下项目： - 评论者购买的物品 - 制造该物品的公司 评论文本用三个反引号分隔。将你的响应格式化为以 “物品” 和 “品牌” 为键的 JSON 对象。 如果信息不存在，请使用 “未知” 作为值。 让你的回应尽可能简短。
评论文本:
我需要一盏漂亮的卧室灯，这款灯具有额外的储物功能，价格也不算太高。 我很快就收到了它。在运输过程中，我们的灯绳断了，但是公司很乐意寄送了一个新的。 几天后就收到了。这款灯很容易组装。我发现少了一个零件，于是联系了他们的客服，他们很快就给我寄来了缺失的零件！ 在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！
{
"物品": "卧室灯",
"品牌": "Lumina"
}2.2.2、综合情感推断和信息提取
从评论文本中识别以下项目：
- 情绪（正面或负面）
- 审稿人是否表达了愤怒？（是或否）
- 评论者购买的物品
- 制造该物品的公司
评论用三个反引号分隔。将你的响应格式化为 JSON 对象，以 “情感倾向”、“是否生气”、“物品类型” 和 “品牌” 作为键。
如果信息不存在，请使用 “未知” 作为值。 让你的回应尽可能简短。 将 “是否生气” 值格式化为布尔值。
评论文本:
我需要一盏漂亮的卧室灯，这款灯具有额外的储物功能，价格也不算太高。 我很快就收到了它。在运输过程中，我们的灯绳断了，但是公司很乐意寄送了一个新的。 几天后就收到了。这款灯很容易组装。我发现少了一个零件，于是联系了他们的客服，他们很快就给我寄来了缺失的零件！ 在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！
{
"情感倾向": "正面",
"是否生气": false,
"物品类型": "卧室灯",
"品牌": "Lumina"
}2.3、主题推断
确定以下给定文本中讨论的五个主题。 每个主题用1-2个词概括。
请输出一个可解析的Python列表，每个元素是一个字符串，展示了一个主题。
给定文本:
在政府最近进行的一项调查中，要求公共部门的员工对他们所在部门的满意度进行评分。 调查结果显示，NASA 是最受欢迎的部门，满意度为 95％。 一位 NASA 员工 John Smith 对这一发现发表了评论，他表示： “我对 NASA 排名第一并不感到惊讶。这是一个与了不起的人们和令人难以置信的机会共事的好地方。我为成为这样一个创新组织的一员感到自豪。” NASA 的管理团队也对这一结果表示欢迎，主管 Tom Johnson 表示： “我们很高兴听到我们的员工对 NASA 的工作感到满意。 我们拥有一支才华横溢、忠诚敬业的团队，他们为实现我们的目标不懈努力，看到他们的辛勤工作得到回报是太棒了。” 调查还显示，社会保障管理局的满意度最低，只有 45％的员工表示他们对工作满意。 政府承诺解决调查中员工提出的问题，并努力提高所有部门的工作满意度。
["NASA", "员工满意度", "评论", "管理团队反应", "社会保障管理局"]
2.3.2、为特定主题制作新闻提醒
判断主题列表中的每一项是否是给定文本中的一个话题，
以列表的形式给出答案，每个元素是一个Json对象，键为对应主题，值为对应的 0 或 1。
主题列表：美国航空航天局、当地政府、工程、员工满意度、联邦政府
给定文本:
在政府最近进行的一项调查中，要求公共部门的员工对他们所在部门的满意度进行评分。 调查结果显示，NASA 是最受欢迎的部门，满意度为 95％。 一位 NASA 员工 John Smith 对这一发现发表了评论，他表示： “我对 NASA 排名第一并不感到惊讶。这是一个与了不起的人们和令人难以置信的机会共事的好地方。我为成为这样一个创新组织的一员感到自豪。” NASA 的管理团队也对这一结果表示欢迎，主管 Tom Johnson 表示： “我们很高兴听到我们的员工对 NASA 的工作感到满意。 我们拥有一支才华横溢、忠诚敬业的团队，他们为实现我们的目标不懈努力，看到他们的辛勤工作得到回报是太棒了。” 调查还显示，社会保障管理局的满意度最低，只有 45％的员工表示他们对工作满意。 政府承诺解决调查中员工提出的问题，并努力提高所有部门的工作满意度。
{
"美国航空航天局": 1,
"当地政府": 0,
"工程": 0,
"员工满意度": 1,
"联邦政府": 1
}
从输出结果上看，这个与"工程、当地政府"无关。
编写程序，从结果上得到相关的关联信息
result_lst = eval(response)
topic_dict = {list(i.keys())[0] : list(i.values())[0] for i in result_lst}
print(topic_dict)
if topic_dict['美国航空航天局'] == 1:
print("提醒: 关于美国航空航天局的新消息")