Avaliar avaliações de produtos com IA

Maud Nalpas

Kenji Baheux

Alexandra Klepper

Publicado em: 16 de maio de 2024

Ao fazer compras on-line, pode ser difícil lidar com o volume de avaliações e produtos disponíveis. Como podemos separar todo esse ruído para encontrar o produto que realmente atenda às nossas necessidades específicas?

Por exemplo, digamos que estamos comprando uma mochila para o trabalho. As mochilas precisam ter um equilíbrio entre função, estética e praticidade. O número de avaliações torna quase impossível saber se você encontrou a bolsa perfeita. E se pudéssemos usar a IA para filtrar o ruído e encontrar o produto perfeito?

Seria útil ter um resumo de todas as avaliações, além de uma lista dos prós e contras mais comuns.

Para criar isso, usamos a IA generativa do lado do servidor. A inferência ocorre em um servidor.

Neste documento, você pode acompanhar um tutorial da API Gemini com Node.js, usando o SDK JavaScript de IA do Google para resumir dados de várias avaliações. Vamos nos concentrar na parte de IA generativa deste trabalho. Não vamos abordar como armazenar resultados ou criar uma fila de jobs.

Na prática, você pode usar qualquer API de LLM com qualquer SDK. No entanto, talvez seja necessário adaptar o comando sugerido para atender ao modelo escolhido.

Pré-requisitos

1. Crie uma chave para a API Gemini e defina-a no arquivo de ambiente.

2. Instale o SDK do Google AI para JavaScript, por exemplo, com npm: npm install @google/generative-ai

Criar um aplicativo de resumo de avaliações

1. Inicialize um objeto de IA generativa.
2. Crie uma função para gerar resumos de avaliações.
   1. Selecione o modelo de IA generativa. Para nosso caso de uso, vamos usar o Gemini Pro. Use um modelo específico para seu caso de uso (por exemplo, gemini-pro-vision é para entrada multimodal).
   2. Adicione um comando.
   3. Chame generateContent para transmitir o comando como um argumento.
   4. Gere e retorne a resposta.

const { GoogleGenerativeAI } = require("@google/generative-ai");

// Access the API key env
const genAI = new GoogleGenerativeAI(process.env.API_KEY_GEMINI);

async function generateReviewSummary(reviews) {
  // Use gemini-pro model for text-only input
  const model = genAI.getGenerativeModel({ model: "gemini-pro" });
  // Shortened for legibility. See "Write an effective prompt" for
  // writing an actual production-ready prompt.
  const prompt = `Summarize the following product reviews:\n\n${reviews}`;
  const result = await model.generateContent(prompt);
  const response = await result.response;
  const summary = response.text();
  return summary;
}

Escrever um comando eficaz

A melhor maneira de ter sucesso com a IA generativa é criar um comando completo. Neste exemplo, usamos a técnica de comando único para receber saídas consistentes.

Os comandos one-shot são representados pelo exemplo de saída para o modelo do Gemini.

const prompt =
`I will give you user reviews for a product. Generate a short summary of the
reviews, with focus on the common positive and negative aspects across all of
the reviews. Use the exact same output format as in the example (list of
positive highlights, list of negative aspects, summary). In the summary,
address the potential buyer with second person ("you", "be aware").

Input (list of reviews):
// ... example

Output (summary of reviews):
// ... example

**Positive highlights**
// ... example
**Negative aspects**
// ... example
**Summary**
// ... example

Input (list of reviews):
${reviews}

Output (summary of all input reviews):`;

Confira um exemplo de saída desse comando, que inclui um resumo de todas as avaliações, além de uma lista de prós e contras comuns.

## Summary of Reviews:

**Positive highlights:**

* **Style:** Several reviewers appreciate the backpack's color and design.
* **Organization:** Some users love the compartments and find them useful for
  organization.
* **Travel & School:** The backpack seems suitable for both travel and school
  use, being lightweight and able to hold necessary items.

**Negative aspects:**

* **Durability:** Concerns regarding the zipper breaking and water bottle holder
  ripping raise questions about the backpack's overall durability.
* **Size:** A few reviewers found the backpack smaller than expected.
* **Material:** One user felt the material was cheap and expressed concern about
  its longevity.

**Summary:**

This backpack seems to be stylish and appreciated for its organization and
suitability for travel and school. However, you should be aware of potential
durability issues with the zippers and water bottle holder. Some users also
found the backpack smaller than anticipated and expressed concerns about the
material's quality.

Limites de tokens

Muitas avaliações podem atingir o limite de tokens do modelo. Os tokens nem sempre são iguais a uma única palavra. Eles podem ser partes de uma palavra ou várias palavras juntas. Por exemplo, o Gemini Pro tem um limite de 30.720 tokens. Isso significa que o comando pode incluir, no máximo, 600 avaliações de 30 palavras em inglês, menos o restante das instruções do comando.

Use countTokens() para verificar o número de tokens e reduzir a entrada se o comando for maior do que o permitido.

const MAX_INPUT_TOKENS = 30720
const { totalTokens } = await model.countTokens(prompt);
if (totalTokens > MAX_INPUT_TOKENS) {
    // Shorten the prompt.
}

Desenvolvimento para empresas

Se você é um usuário do Google Cloud ou precisa de suporte empresarial, acesse o Gemini Pro e outros modelos, como os modelos Claude da Anthropic, com a Vertex AI. Use o Model Garden para determinar qual modelo é mais adequado ao seu caso de uso específico.

Próximas etapas

O aplicativo que criamos depende muito de avaliações de qualidade para fornecer os resumos mais eficazes. Para coletar essas avaliações de qualidade, leia o próximo artigo desta série: Ajudar os usuários a escrever avaliações de produtos úteis com a IA da Web no dispositivo.

Queremos saber sua opinião sobre essa abordagem. Conte quais casos de uso mais interessam a você. Você pode compartilhar seu feedback e participar do programa de pré-lançamento para testar essa tecnologia com protótipos locais.

Sua contribuição pode nos ajudar a tornar a IA uma ferramenta poderosa, mas prática, para todos.

Próximo: ajudar os usuários a escrever avaliações de produtos úteis