人工智能基础及应用 课件 第10、11章 决策树分类方法及案例、ChatGPT

国家级一流本科线上线下混合式课程“人工智能”

第10章

决策树分类方法及案例实现

了解决策树分类方法的基本原理

理解信息熵的基本概念及其内涵

理解和掌握ID3方法的原理和信息增益的应用

操作实践：应用ID3算法求解实际问题本章主要内容和目标10.1决策树基本概念国家级一流本科课程案例描述：假设有一普通客户A向某银行申请贷款，银行信贷员B需要依据以往的银行信贷记录情况来初步判定是否应该同意该客户的信贷申请。该申请客户A的条件是（中年，没有工作，有房子），以往可参考的银行信贷记录数据如表10-1所示。10.1决策树基本概念国家级一流本科课程案例描述与认定过程银行信贷员B依据表10-1所示银行信贷记录数据情况结合申请客户A的条件中年，没有工作，有房子来判定是否同意客户A的贷款申请。10.1决策树基本概念国家级一流本科课程10.1决策树基本概念国家级一流本科课程决策树（decisiontree）是一个树结构（可以是二叉树或非二叉树），其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。决策树作为一种直观的分类方法，有如下特点：①决策树是一种树形结构，本质是一棵由多个测试节点组成的树；②决策树中每个内部节点表示一个属性上的判断；③决策树每个分支代表一个判断结果的输出；④每个叶节点代表一种分类结果。10.1决策树基本概念国家级一流本科课程该如何选择测试属性，来构建一棵决策树？10.2

信息熵与信息增益国家级一流本科课程在给定数据集的基础上，如何构建一棵决策树呢？在构建决策树的过程中，

选择哪个属性作为最先的测试节点呢？其依据是什么？

数据本身具有一定的不确定性，当采用某个属性并按照这个属性对应的属性值对数据进行划分之后，能够降低数据所表现的不确定性，以更快地实现分类。那么如何衡量属性对数据的这种区分度呢？在决策树分类方法中，主要是基于信息熵对属性区分能力进行度量。10.2信息熵与信息增益国家级一流本科课程10.2信息熵与信息增益国家级一流本科课程10.2信息熵与信息增益国家级一流本科课程10.2信息熵与信息增益国家级一流本科课程信息熵反应了数据集本身所体现的不确定性，这与如何去选择一个属性作为决策树中的测试属性又有怎样的联系呢？测试属性的作用：通过测试属性及其属性值实现对原数据集的不断划分，不断降低其数据子集的不确定性，直到得到具有确定性的数据子集。测试属性的选择依据：通常对比原数据集的不确定性与划分之后数据子集的不确定性的降低程度作为测试属性的选择标准。信息熵表示了原数据集的不确定性，被A属性划分之后的数据子集的不确定性可以用条件熵

来表示。10.2信息熵与信息增益国家级一流本科课程信息增益指的是在划分数据集之前和之后，信息发生的变化量。具体来说，它是划分前数据集的熵（Entropy）与划分后数据集的条件熵（ConditionalEntropy）之差。例1：下面以表10-1的数据来理解一下信息熵、条件熵和信息增益的具体计算。10.2信息熵与信息增益国家级一流本科课程①首先，求出决策值（即分类属性）的信息熵为：②其次，求出各特征的条件信息熵为：例1：下面以表10-1的数据来理解一下信息熵、条件熵和信息增益的具体计算。10.2信息熵与信息增益国家级一流本科课程③最后，求出信息增益为：例1：下面以表10-1的数据来理解一下信息熵、条件熵和信息增益的具体计算。10.2信息熵与信息增益国家级一流本科课程10.3决策树分类方法--ID3算法国家级一流本科课程ID3算法的核心是在数据集的各个属性上计算各属性的信息增益值，依据最大信息增益值原则选择决策树中的测试节点，递归的构建决策树。具体过程为：①从根节点开始，对数据集计算所有可能的特征（属性）的信息增益，选择信息增益最大的特征（属性）作为测试节点，由该特征（属性）的不同取值建立子节点；②再对子节点递归调用以上方法，构建决策树；③直到所有特征的信息增益均很小或者没有特征可以选择为止；④最后得到一个决策树。例1：下面以表10-1的数据来理解一下信息熵、条件熵和信息增益的具体计算。10.3决策树分类方法--ID3算法国家级一流本科课程针对X2，计算X2的信息熵和特征（属性）“年龄”“有无工作”和“信贷情况”的信息增益，结果如下。例1：下面以表10-1的数据来理解一下信息熵、条件熵和信息增益的具体计算。10.3决策树分类方法--ID3算法国家级一流本科课程将原数据集X分为：X1={4，8，9，10，11，12}X2={1，2，3，5，6，7，13，14，15}针对X2，计算X2的信息熵和特征（属性）“年龄”“有无工作”和“信贷情况”的信息增益，结果如下。例1：下面以表10-1的数据来理解一下信息熵、条件熵和信息增益的具体计算。10.3决策树分类方法--ID3算法国家级一流本科课程例1：下面以表10-1的数据来理解一下信息熵、条件熵和信息增益的具体计算。10.3决策树分类方法--ID3算法国家级一流本科课程请多多指教！谢谢您的关注！国家级一流本科课程国家级一流本科线上线下混合式课程“人工智能”第11章ChatGPT了解ChatGPT的概念和ChatGPT的发展历程。理解和掌握ChatGPT的工作原理。操作实践：能够熟练使用某个领域的ChatGPT工具。本章主要内容和目标主要内容11.1ChatGPT概述11.1.1ChatGPT的定义11.1.2ChatGPT的功能11.1.3ChatGPT的发展历程11.1.4ChatGPT的优势和挑战11.1.5ChatGPT对人类社会的影响11.1.6ChatGPT的伦理和法律问题11.1.7ChatGPT的发展前景国家级一流本科课程11.1.1ChatGPT的定义GPT（generativepre-trainedtransformer）是一种广泛使用的人工智能语言模型，具有自然语言处理的能力，可以理解和生成人类语言。GPT可以在各种自然语言中处理任务，如文本分类、情感分析、问答系统等。

GPT模型由OpenAI公司开发，基于Transformer架构，通过学习大量文本数据来提升语言的理解能力。什么是GPT？什么是ChatGPT？GPT和ChatGPT有什么关系？GPT作为生成式预训练模型，在自然语言处理领域展现了巨大的潜力和广泛的应用前景。11.1.1ChatGPT的定义ChatGPT（chatgenerativepre-trainedtransformer）是一种基于自然语言处理技术的机器学习模型，通过学习大量文本和对话集合，能够模拟人类的语言和行为，实现与人类的交互和智能响应。ChatGPT具有广泛的应用场景，如智能客服、智能助手、智能家居等。它不但能够理解人类的语言，还能够生成相应的回复，使用户体验更加自然和便捷。ChatGPT具有高效、智能、灵活的特点，能够有效地提高人机交互的效率和用户体验。

什么是GPT？什么是ChatGPT？GPT和ChatGPT有什么关系？随着人工智能技术的不断发展，ChatGPT的应用前景将更加广阔。11.1.1ChatGPT的定义什么是GPT？什么是ChatGPT？GPT和ChatGPT有什么关系？它们都是人工智能技术的重要应用，能够更高效地处理自然语言任务。GPT是一种广泛使用的通用语言模型，在各种NLP任务中表现出很好的性能，可以处理各种复杂的语言问题。ChatGPT则是一种专门用于对话生成的人工智能语言模型。具体如聊天机器人、虚拟助手等场景，能够提供更自然、流畅的语言交互体验。它们之间的主要区别在于应用场景和功能。11.1.2ChatGPT的功能

ChatGPT是一个基于深度学习的自然语言处理模型，它具备以下多种功能。文本理解与生成；教育辅助；问答系统；语言翻译；文本摘要；内容创作；编程辅助；客户服务；个性化推荐；情感分析；文本分类；语言模型微调；对话管理；信息检索；文本校对与编辑；语音转文本；多语言支持；创意写作；数据解读；辅助决策等。

ChatGPT的功能非常广泛，能够适应多种不同的应用场景，随着技术的不断进步，其能力也在不断扩展和增强。11.1.3ChatGPT的发展历程ChatGPT的发展历程是基于GPT技术的不断演进和应用拓展。随着技术的不断进步，ChatGPT未来还有很大的发展潜力，有望在更多领域发挥其语言模型的强大能力。GPT-1标志着自然语言处理领域进入了一个新的时代。它通过预训练的方式，从大量的无标签数据中学习语言的内在规律和知识，从而实现了对语言的生成和理解。GPT-2进一步提升了语言生成和理解的能力。与GPT-1相比，GPT-2的参数数量和训练数据量都有了大幅度的提升，从而使得模型能够更好地理解和生成更加丰富多样的语言。GPT-3更是将自然语言处理技术推向了一个新的高度。GPT-3不仅在参数数量和训练数据量上实现了再次飞跃，更重要的是，引入了许多新的技术和方法，如多任务学习、半监督学习等，从而使得模型能够更好地适应各种复杂的自然语言处理任务。GPT-3发布后，OpenAI开始将GPT技术应用于对话生成领域，开发出了ChatGPT。ChatGPT通过大量的对话数据来训练，以更好地模拟人类对话。

ChatGPT的发展历程可以追溯到2018年，当时OpenAI公司发布了一款名为GPT的预训练语言模型。在GPT的基础上，OpenAI进一步开发了GPT-2和GPT-3模型，这些模型在语言理解和生成方面表现出了更高的性能。11.1.4ChatGPT的优势和挑战1.ChatGPT的优势ChatGPT的优势在于其强大的自然语言处理能力和对话生成能力。如：自然语言处理;多样化回答;学习能力;智能推荐;跨平台使用;可扩展性;可定制化;隐私保护等。除了上述优势，ChatGPT还有以下几个重要的特点：实时性；情感分析；跨语言能力；自我学习能力。2.ChatGPT的挑战尽管ChatGPT具有强大的功能，但它也面临着一些挑战。第一，数据隐私和安全问题不容忽视。第二，ChatGPT需要处理大量的语言数据，这需要强大的计算资源和存储能力。第三，ChatGPT还需要面对各种语言和文化差异的挑战。第四，ChatGPT需要解决与人类沟通的障碍问题。

尽管ChatGPT面临一系列的挑战和问题，但是它仍然是一种非常有前途的人工智能技术。通过不断的技术改进和商业模式创新，ChatGPT在未来将发挥更加重要的作用。11.1.5ChatGPT对人类社会的影响1.对教育领域的影响ChatGPT的应用促使教育政策制定者重新思考教育目标和技术应用的结合方式，这是当前教育领域的重要发展趋势，尤其在人工智能技术快速发展的背景下，这种结合方式应该呈现出多维度的创新与变革。教育政策必须确保技术应用与教育目标的一致性，推动教育向更加高效、公平和人性化的方向发展。2.对就业市场的影响ChatGPT等AI技术的崛起对就业市场产生深远的影响。据预测，到2030年，AI将取代8500万个工作岗位。在客服、数据录入和会计等领域，许多职位已经部分或全部自动化。然而，AI技术的出现也创造了新的就业机会。随着AI技术的普及，需要更多的人来开发、部署和维护这些系统。此外，AI与人类的协作也将成为未来的常态，人们将需要更强的跨领域技能，如数据解读、创新思维和人际交往能力。这些新机会将出现在AI技术、云计算和数据分析等领域，为求职者提供更广阔的职业发展空间。3.对人类沟通方式的影响ChatGPT具有强大的语言理解和生成能力，正在改变人与机器的交互方式，也对人与人之间的沟通方式产生深远的影响。据统计，全球范围内的用户每天花费在社交媒体上的时间超过200亿分钟，而其中大部分时间都用在了聊天和交流上。ChatGPT的出现使得人与机器的沟通更加自然、便捷，进而使人与人的沟通不再受限于传统的文本输入和输出方式。11.1.6ChatGPT的伦理和法律问题1.AI技术的道德边界在ChatGPT的应用中，我们也需要注意到其可能带来的道德问题。例如，在机器翻译中，如果AI技术被用于翻译敏感信息，如造谣、辱骂、人身攻击、个人隐私、商业机密等，就可能涉及到道德问题。因此，应用ChatGPT时，需要明确其道德边界，并采取相应的措施来保护用户的利益。2.ChatGPT与隐私保护随着ChatGPT等人工智能技术的快速发展，隐私保护问题日益凸显。ChatGPT在收集、存储、使用和共享个人信息时，如果不加以规范和限制，就可能导致个人隐私的泄露和滥用。因此，在ChatGPT的应用中，必须高度重视隐私保护问题，采取有效的措施来确保用户的个人信息安全。3.法律法规对ChatGPT的约束和引导ChatGPT日渐普及，法律法规对其身约束和引导也日益受到关注。为了规范AI技术的使用，多国政府相继出台相关法律法规，对AI技术的研发、应用和推广进行监管。11.1.7ChatGPT的发展前景1.ChatGPT的技术趋势和创新方向随着深度学习技术的不断发展，ChatGPT在自然语言处理领域的技术趋势和创新方向也日益明显。未来，ChatGPT将会在以下几个方面实现更大的突破和创新。2.ChatGPT在商业领域的潜力和机会随着人工智能技术的不断发展，ChatGPT等自然语言处理技术逐渐成为商业领域的重要应用。ChatGPT具有强大的语言理解和生成能力，帮助企业提高客户满意度、优化客户服务、提升营销效果等方面的能力。3.ChatGPT对社会发展和人类文明的影响ChatGPT作为引领未来的自然语言处理技术，对社会发展和人类文明的影响不容忽视。随着ChatGPT技术的不断进步和应用领域的拓展，它将在许多方面改变生活方式和工作模式。

主要内容11.2ChatGPT的主体架构及支撑技术11.2.1ChatGPT的架构11.2.2Transformer模型11.2.3自然语言处理11.2.4深度学习技术11.2.5ChatGPT与其他AI技术的比较和融合国家级一流本科课程11.2.1ChatGPT的架构国家级一流本科课程ChatGPT的主体架构遵从“基础语料+预训练+微调”的基本范式。“预训练+微调”是指首先在大数据集上训练得到一个具有强泛化能力的模型（预训练模型），然后在下游任务上进行微调的过程，是一种基于模型的迁移方法。预训练是构建大规模语言模型的基础，是指事先在大规模训练数据上进行大量通用的训练，采用无监督学习方法得到通用且强泛化能力的语言模型。在大规模数据的基础上，通过预训练，模型初步具备了人类语言理解和上下文学习的能力，能够捕捉文本片段和代码片段的语义相似性特征，从而生成更准确的文本和代码向量，为后续微调任务提供支持。微调是实现模型到应用的保障，是指在特定任务的数据集上对预训练模型进行进一步的训练，通常包括冻结预训练模型的底层层级(如词向量)与调整上层层级(如分类器)的权重。对预训练模型微调将大大缩短训练时间，节省计算资源，并加快训练收敛速度。ChatGPT在具有强泛化能力的预训练模型基础上，通过整合基于代码数据的训练和基于指令的微调，利用特定的数据集进行微调，使之具有更强的问答式对话文本生成能力，其“预训练+微调”的流程如图11-2所示。11.2.1ChatGPT的架构图11-2ChatGPT“预训练+微调”流程国家级一流本科课程Transformer模型是ChatGPT技术原理中的核心组件，为自然语言处理带来了突破性的进展。Transformer模型是一种基于自注意力机制的深度学习模型。Transformer模型主要由两部分组成：编码器和解码器。编码器由多个相同的层堆叠而成，每一层都包含自注意力机制和残差连接。解码器同样由多个相同的层堆叠而成，但在每一层中还包含了编码器的输出作为输入，以指导解码过程。自注意力机制是Transformer模型的核心，它允许模型在处理输入时关注到所有位置的信息，而不仅仅是相邻的位置。Transformer模型采用自注意力机制，将输入的句子视为序列，通过计算句子中每个单词之间的相关性得分来捕捉句子中的语义信息。这种机制使得Transformer模型能够更好地理解自然语言，并在机器翻译、文本生成等领域中取得优异表现。11.2.2Transformer模型国家级一流本科课程自然语言处理是人工智能领域的一个重要分支，使得计算机可以理解和处理人类语言。随着深度学习技术的发展，自然语言处理近几年取得了突破性的进展。例如，Transformer模型的出现，使得机器翻译的准确率达到了惊人的水平。基于Transformer模型的ChatGPT自然语言处理技术采用预训练微调（pretrained-finetune）的方法进行模型训练。在模型训练过程中，ChatGPT使用大量的语料库进行预训练，学习语言的基本语法、语义和上下文信息。在预训练阶段，模型会学习如何将输入的文字转化为相应的内部表示，并利用自注意力机制捕捉句子中的重要信息。在微调阶段，模型训练会对特定任务的数据进行训练，例如对话生成。在这个阶段，模型会学习如何根据上下文生成合适的回复，以满足用户的对话需求。通过微调，ChatGPT可以更好地理解特定任务的语义和语境，从而生成更加自然、准确和有用的回复。11.2.3

自然语言处理国家级一流本科课程深度学习技术是ChatGPT的核心驱动力。通过深度学习，ChatGPT能够从大量的文本数据中学习语言的语法、语义和上下文信息，从而生成自然、准确和有意义的回答。深度学习技术中的神经网络模型，如Transformer，通过训练可以自动提取输入数据的特征，并生成相应的输出。这种模型在自然语言处理任务中表现出了极高的性能，使得ChatGPT能够理解并回应复杂的语言问题。深度学习技术不仅提高了ChatGPT的对话质量，还增强了其处理复杂问题的能力。例如，处理歧视和偏见问题时，ChatGPT通过深度学习技术可以识别并纠正这些不公正的语言表达，从而提供更加公正和客观的信息。深度学习技术还为ChatGPT的优化提供了解决方案。通过不断优化神经网络模型和训练算法，可以提高ChatGPT的性能和效率，使其更加智能、高效地为用户提供服务。11.2.4深度学习技术国家级一流本科课程

ChatGPT、Siri和Alexa都是人工智能技术的应用，但它们有所不同。（1）技术基础不同。（2）交互方式不同。（3）功能定位不同。（4）个性化和学习方式不同。（5）应用场景不同。（6）隐私和安全中数据处理和存储方式不同。（7）开发和部署平台不同。（8）开放性和可访问性不同。1.ChatGPT与Siri、Alexa等技术的比较2.ChatGPT与图像识别技术的融合应用3.AI技术间的互补与集成创新11.2.5ChatGPT与其他AI技术的比较和融合国家级一流本科课程

ChatGPT与图像识别技术的融合应用为人工智能领域带来了新的突破。将自然语言处理技术与图像识别技术相结合，可以实现更加智能化、高效化的图像识别系统。这种融合应用不仅可以提高图像识别的准确率，还可以为人类提供更加便捷、智能的服务。1.ChatGPT与Siri、Alexa等技术的比较2.ChatGPT与图像识别技术的融合应用3.AI技术间的互补与集成创新11.2.5ChatGPT与其他AI技术的比较和融合国家级一流本科课程1.ChatGPT与Siri、Alexa等技术的比较2.ChatGPT与图像识别技术的融合应用3.AI技术间的互补与集成创新11.2.5ChatGPT与其他AI技术的比较和融合AI技术间的互补与集成创新是推动ChatGPT发展的关键因素之一。不同技术之间的相互融合和集成已经成为一种趋势。ChatGPT也不例外，它集成了多种AI技术，包括自然语言处理、深度学习、机器学习等，从而实现了高度智能化的自然语言交互。互补性是AI技术间的重要关系之一。技术相互补充，使得ChatGPT能够更加全面地理解人类语言，并提供更加智能化的回答。集成创新也是AI技术发展的重要方向之一。通过将不同的AI技术集成到一个系统中，可以实现更加高效和智能的处理和分析。国家级一流本科课程主要内容11.3ChatGPT的应用11.3.1ChatGPT在教育领域的应用11.3.2ChatGPT在医疗领域的应用国家级一流本科课程11.3.3ChatGPT在智能家居领域的应用11.3.4ChatGPT在线客服中的应用11.3.5ChatGPT在智能问答系统中的应用11.3.6ChatGPT在机器翻译领域中的应用ChatGPT在教育领域的应用实践包括但不限于以下几个方面：1.信息检索2.培养批判性和创造性思维3.辅助教师工作4.个性化学习5.语言学习ChatGPT在教育领域的应用实践是多方面的，它可以帮助学生、教师和学习者提高学习效率和质量，促进教育的个性化和智能化。然而，ChatGPT在教育领域的应用实践也面临着一些挑战和问题。因此，为了更好地在教育领域应用ChatGPT，需要采取一些策略和措施。11.3.1ChatGPT在教育领域的应用通过自然语言处理技术，ChatGPT可以快速准确地分析大量的医疗数据，帮助医生做出更准确的诊断和治疗方案。在医疗领域，ChatGPT已经开始展现出其强大的应用潜力，以下是一些ChatGPT在医疗领域的应用。（1）智能问诊助手（2）自动化病历记录（3）药物研发与推荐（4）健康管理（5）医学影像诊断ChatGPT在医疗领域的应用广泛且潜力巨大，随着技术的不断发展和完善，ChatGPT有望为医疗行业带来更多的创新和变革。11.3.2ChatGPT在医疗领域的应用在智能家居领域，ChatGPT的应用主要体现在语音助手和智能家居控制方面。语音助手是智能家居的重要组成部分，而ChatGPT的语音识别和生成技术，使得语音助手更加智能、高效。用户可以通过语音指令控制智能家居设备，如灯光、空调、电视等，实现家居生活的自动化和智能化。此外，ChatGPT在智能家居领域还有许多潜在的应用场景。例如，ChatGPT可以支持智能家居设备的自动化操作、远程控制和自动化调整，提高智能家居的自动化水平。这不仅可以为用户带来更便捷的生活体验，还有助于降低能源消耗、提高生活效率。通过结合ChatGPT技术，智能家居将变得更加智能化、人性化、社交化和多语言化，为用户带来更加便捷、舒适和有趣的生活体验。同时，合作伙伴们也可以利用这一技术进行有效的宣传推广活动，扩大市场影响力，共同推动智能家居行业的繁荣发展。11.3.3ChatGPT在智能家居领域的应用在线客服作为ChatGPT的重要应用之一，能够为企业提供高效、便捷的客户服务。通过使用ChatGPT技术，在线客服能够更好地理解客户的问题和需求，快速给出准确的回答和建议，提高客户满意度和忠诚度。这主要得益于ChatGPT的自然语言处理能力和深度学习技术，能够自动识别和理解客户的问题，给出合适的回答。此外，ChatGPT还可以通过不断学习和优化提高回答的准确性和效率，进一步降低企业成本和提高客户满意度。在线客服ChatGPT是一种非常有用的工具，可以帮助企业提高客户服务质量和效率，降低成本，增强客户忠诚度。随着人工智能技术的不断发展，在线客服ChatGPT的应用前景将会更加广阔。11.3.4ChatGPT在线客服中的应用智能问答系统是ChatGPT应用的一个重要场景，它利用自然语言处理技术和深度学习技术实现快速、准确地回答用户的问题。智能问答系统是一种基于人工智能技术的计算机程序，它能够自动地回答用户提出的问题。ChatGPT是一种基于深度学习的自然语言处理技术，可以用于构建智能问答系统。ChatGPT通过训练大量的文本数据，学习到了语言的语法、语义和上下文信息，从而能够理解人类语言并生成自然语言回复。它可以根据用户的问题在内部知识库中查找相关信息，或者利用推理、演绎等逻辑运算得出答案。相比于传统的基于规则或模板的方法，ChatGPT具有更强的自适应能力和更高的回答质量。它能够处理各种复杂的问题，包括开放式问题、上下文相关问题等，并且能够生成连贯、有逻辑的回复。11.3.5ChatGPT在智能问答系统中的应用机器翻译是指利用计算机自动将一种语言的文本转换为另一种语言的文本的过程。机器翻译是ChatGPT应用场景中的一个重要领域。随着全球化和多语言市场的不断扩大，机器翻译技术为人们快速、准确地获取跨语言信息提供了便利。ChatGPT是一个大型的语言模型，它使用人工智能技术来理解和生成自然语言的文本。ChatGPT能够将一种语言的输入文本自动转换为另一种语言的输出文本，因此，可以被视为一种机器翻译技术。随着技术的不断发展，ChatGPT的应用场景也将越来越广泛。如文本生成、情感分析等。在文本生成方面，ChatGPT可以被用于自动生成文章、摘要、评论等文本内容。通过训练ChatGPT，可以让其学习到语言的风格、语法和语义，从而生成符合要求的文本。这可以大大提高文本生成的效率和可读性，对于新闻报道、广告创意、内容营销等领域具有广泛的应用价值。在情感分析方面，ChatGPT可以被用于识别和分析文本中的情感倾向和情感色彩。通过训练ChatGPT，可以让其学习不同情感表达方式的特征，从而自动判断文本的情感倾向。这可以用于客户反馈分析、舆情监控、产品评价等领域，帮助企业和机构了解用户的情感和态度。11.3.6ChatGPT在机器翻译领域中的应用用户可以通过多种渠道使用ChatGPT，如直接访问官方网站、使用移动应用、使用第三方集成服务、社交媒体和合作平台以及使用代理服务等。11.4ChatGPT实践案例国家级一流本科课程直接访问ChatGPT官方网站的步骤：（1）访问官方网站：打开浏览器，输入网址

进入ChatGPT的官