Özetleme ve Bilgi Çıkarma İstemleri

Büyük Dil Modelleri (LLM), çok büyük miktarda metni işlemek için güçlü araçlardır. Bunlarla gerçekleştirebileceğiniz iki temel ve son derece değerli görev özetleme ve bilgi çıkarmadır.

Özetleme, uzun belgelerin ana noktalarını hızla kavramanıza yardımcı olur. Bilgi çıkarma ise belirli ve yapılandırılmış verileri bulup ayıklamanızı sağlar. Bu becerilerde ustalaşmak zaman kazandırır ve bilgileri kullanılabilir hâle getirir!

Özetleme, daha uzun bir metni, temel anlamının ve önemli bilgilerinin korunmasını sağlayarak daha kısa bir biçime dönüştürme sürecidir. Bunu kısa ve öz bir genel bakış veya özet oluşturmak gibi düşünebilirsiniz.

Bir LLM'den özet istemek için genellikle metni ve açık bir talimatı verirsiniz. Örneğin:

"Summarize the following article: [ARTICLE TEXT]"

İhtiyaçlarınıza tam olarak uyan özetler üretmesi için LLM'yi yönlendirebilirsiniz. İsteminizde şu konularda açık olun:

• Uzunluk: "3 cümleyle," "100 kelimenin altında," "kısa bir özet."
• Biçim: "madde işaretleriyle," "bir paragraf olarak," "başlık olarak."
• Üslup/Ton: "teknik olmayan bir kitle için," "resmî bir üslupla," "haber metni gibi."

Açık ve belirli olmak, LLM'nin aradığınız çıktıyı tam olarak sunmasına yardımcı olur.

İstem mühendisliği hakkında kısa bir paragrafı özetleyelim. İsteminizi şöyle oluşturabilirsiniz:

Girdi Metni: "İstem mühendisliği, yapay zekâda, özellikle doğal dil işlemede, çok çeşitli uygulama ve araştırma konularında dil modellerini verimli biçimde kullanmak üzere istemler geliştirmeye ve eniyilemeye odaklanan bir kavramdır. Modelin ağırlıklarını değiştirmeden, istenen sonuçları elde etmek üzere davranışlarını yönlendirmek amacıyla LLM'lerle iletişim kurma yöntemlerini açıklayan, görece yeni bir disiplindir."

İstem:

"Summarize the following text in one concise sentence: Prompt engineering is a concept in artificial intelligence, especially natural language processing, that focuses on developing and optimizing prompts to efficiently use language models for a wide range of applications and research topics. It's a relatively new discipline, outlining the methods for communicating with LLMs to steer their behavior for desired outcomes without modifying the model's weights."

Bilgi çıkarma, daha büyük bir metindeki belirli bilgi parçalarını belirleyip ayıklamayı amaçlar. Özetlemenin aksine metni kısaltmaz; belirli veri noktalarını, gerçekleri veya varlıkları ayırırsınız.

Yaygın bilgi çıkarma görevleri arasında adları, tarihleri, konumları, ürün özelliklerini veya duygu durumunu bulma yer alır. Bu teknik, yapılandırılmamış metni yapılandırılmış veriye dönüştürmeniz gerektiğinde çok önemlidir.

Bilgi çıkarırken istenen çıktı biçimini belirtmek çoğu zaman yararlıdır. Bu, çıkarılan verilerin işlenmesini, analiz edilmesini veya diğer sistemlere entegre edilmesini kolaylaştırır.

• Listeler: "Bahsedilen tüm şirket adlarını listeleyin."
• JSON: "Adı, yaşı ve şehri bir JSON nesnesi olarak çıkarın."
• Tablolar: "Bulguları 'Öğe' ve 'Fiyat' sütunlarının bulunduğu bir tabloda sunun."

Açık biçimlendirme talimatları, yapılandırılmış veri çıktıları için hayati önem taşır.

Bir e-posta parçasından iletişim bilgilerini çıkaralım. Bir LLM'ye istemi şöyle verebilirsiniz:

Girdi Metni: "Sayın John Smith, Sorunuz için teşekkür ederiz. Satış temsilcimiz Sarah Jones'a sarah.jones@example.com adresinden veya (555) 123-4567 numaralı telefondan ulaşabilirsiniz. Ofisimiz 123 Main Sokağı, Anytown, USA adresinde bulunmaktadır."

İstem:

"Extract the following information from the text: recipient name, sales representative name, sales representative email, sales representative phone, and office address. Present the output as a JSON object. Text: Dear John Smith, Thank you for your inquiry. Our sales representative, Sarah Jones, can be reached at sarah.jones@example.com or by phone at (555) 123-4567. Our office is located at 123 Main St, Anytown, USA."

Daha karmaşık görevlerde bu iki güçlü tekniği çoğu zaman birleştirebilirsiniz:

• Önce Özetle, Sonra Çıkar: Önce uzun bir belgenin kısa ve öz özetini alın, ardından bu özetten belirli varlıkları veya gerçekleri çıkarın.
• Önce Çıkar, Sonra Özetle: İlgili tüm gerçekleri çıkarın, ardından LLM'den bu çıkarılan gerçekleri tutarlı bir ifadede özetlemesini isteyin.

Bu modüler yaklaşım, karmaşıklığı yönetmenize ve sonuçlarınızın doğruluğunu artırmanıza yardımcı olabilir.

LLM'lerinizden en etkili özetleri ve bilgi çıkarma sonuçlarını almak için:

• Belirli Olun: Gereksinimlerinizi (ör. özet uzunluğu, çıktı biçimi, çıkarılacak belirli varlıklar) açıkça belirtin.
• Ayraçlar Kullanın: İşlemek istediğiniz metni, talimatlarınızdan ayırmak için üç tırnak (""") veya XML etiketleri gibi açık ayraçların içine alın.
• Bağlam Sağlayın: LLM'nin amacı anlamasına yardımcı olacaksa özetin veya bilgi çıkarmanın amacını kısaca açıklayın.
• Yineleyin: İlk çıktı kusursuz değilse isteminizi iyileştirin. Küçük değişiklikler büyük fark yaratabilir!

Aşağıdaki senaryoları göz önünde bulundurun. Verilen bir metinden öncelikle özetleme değil, bilgi çıkarma gerektirecek görev hangisidir?

Bu derste metni LLM'lerle işlemek için iki güçlü istem mühendisliği tekniğini inceledik:

• Özetleme: Metni daha kısa biçimlere yoğunlaştırmayı; uzunluk, biçim ve üslubu denetleyerek ana fikri hızla kavramayı öğrendik.
• Bilgi Çıkarma: Adlar, tarihler veya gerçekler gibi belirli, yapılandırılmış bilgileri ayıklamaya odaklandık; JSON veya listeler gibi çıktı biçimlerini belirtmenin önemini vurguladık.

Bu tekniklerde ustalaşmak, LLM'leri kullanarak yapılandırılmamış metin verilerindeki bilgileri verimli biçimde işleme ve kullanma becerinizi büyük ölçüde geliştirir.