# [LangChain] 範例－餐廳評論標記

日期：2023/09/22

## 敘述
- 主題：create_tagging_chain()
- 使用情境：顧客會對於消費體驗進行評論，可能是正面或負面或中立的，也可能對於各種不同的點進行評論，總體來說其實評論的內容可能會是各式各樣，非常繁雜。透過此範例程式，將可自動地對顧客留言進行標記，透過這樣便可快速地掌握留言的資訊，也以便後續進行更多的處理。
- 輸入：餐廳顧客留言。
- 輸出：輸出將對留言進行標記，確認留言正負種類、回饋類型。

## 目錄
- [1. 主程式](#1-主程式)
- [2. 輸入輸出](#2-輸入輸出)

____________________

## 1. 主程式

導入套件

from dotenv import load_dotenv
load_dotenv()

from langchain.chat_models import ChatOpenAI
llm = ChatOpenAI(temperature=0)

from langchain.chains import create_tagging_chain

實現此範例功能主要為透過create_tagging_chain()物件。
此物件使用方法與create_extraction_chain()很相似，不過兩者處理輸入文字的方式有明顯的不同。前者處理的是例如以下幾種狀況，語言種類、文字情緒、敘述類型等等；後者則是偏向於直接從輸入中抓出對應的文字。

schema用於定義輸出的格式，其中的各個label則代表著希望輸出具有的個個資訊。以`sentiment`label來說，代表希望輸出可以標記輸入文字的評價分類。另外其中的`enum`和`description`則用於讓模型更能清楚的理解輸出的方式。

schema = {
    "properties": {
        "sentiment": {
            "type": "integer",
            "enum": [-1, 0, 1],
            "description": "正面、負面、中立三種餐廳評價分類。-1表示負面；0表示中立；1表示正面。",
        },
        "feedback type": {
            "type": "string",
            "enum": ["爐子", "服務態度", "個別店員", "食材","其他"],
            "description": "確認輸入的關於enum中的甚麼類型。補充：1.飲食相關敘述都可歸類在食材。",
        }
    },
    "required": ["sentiment", "feedback type"],
}
chain = create_tagging_chain(schema, llm)

## 2. 輸入輸出

以下將多個不同的文字提供程式去進行處理。
**輸入一**

input_list = [
    '王姓店員真的讓我感到很火大！',
    '服務態度很差，東西都用丟的',
    '店員臉很臭，向他問問題時，都愛理不理',
    '服務態度很親切，會主動上前關心我們遇到的問題。',
    '牛小排的口感很棒，非常推薦！',
    '食材有些變質。',
    '大白菜的邊邊都有點黑黑的',
    '泡菜有點鹹',
    '用餐過程電磁爐一直跳電，導致鍋子加熱很慢。'
]

for n in input_list:
    output = chain.run(n)
    print("Q: ",n)
    print("A: ",output)

:::success
Q: 王姓店員真的讓我感到很火大！
A: {'sentiment': -1, 'feedback type': '個別店員'}
Q: 服務態度很差，東西都用丟的
A: {'sentiment': -1, 'feedback type': '服務態度'}
Q: 店員臉很臭，向他問問題時，都愛理不理
A: {'sentiment': -1, 'feedback type': '服務態度'}
Q: 服務態度很親切，會主動上前關心我們遇到的問題。
A: {'sentiment': 1, 'feedback type': '服務態度'}
Q: 牛小排的口感很棒，非常推薦！
A: {'sentiment': 1, 'feedback type': '食材'}
Q: 食材有些變質。
A: {'sentiment': -1, 'feedback type': '食材'}
Q: 大白菜的邊邊都有點黑黑的
A: {'sentiment': 0, 'feedback type': '食材'}
Q: 泡菜有點鹹
A: {'sentiment': 0, 'feedback type': '食材'}
Q: 用餐過程電磁爐一直跳電，導致鍋子加熱很慢。
A: {'sentiment': -1, 'feedback type': '爐子'}
:::

**輸入二**

input_list = [
    '食物的味道不好說',
    '涼麵口感很微妙',
    '卡片被重複刷卡，讓人還必須打去銀行確認。',
    '偶爾吃吃還可以',
    '上菜上很慢',
    '服務生需要重新訓練，很兩光'
]

:::success
Q: 食物的味道不好說
A: {'sentiment': 0, 'feedback type': '食材'}
Q: 涼麵口感很微妙
A: {'sentiment': 0, 'feedback type': '食材'}
Q: 卡片被重複刷卡，讓人還必須打去銀行確認。
A: {'sentiment': -1, 'feedback type': '服務態度'}
Q: 偶爾吃吃還可以
A: {'sentiment': 0, 'feedback type': '其他'}
Q: 上菜上很慢
A: {'sentiment': -1, 'feedback type': '服務態度'}
Q: 服務生需要重新訓練，很兩光
A: {'sentiment': -1, 'feedback type': '服務態度'}
:::

可發現輸入一中幾個句子的執行結果有問題：
1. 大白菜的邊邊都有點黑黑的
2. 泡菜有點鹹
3.
兩者的正負標記不準確。原因可能為：錯誤的幾個輸入，其正或負面的態度可能不是很明顯。

後續，這些問題將可透過修改schema中的label資訊去進行改善。