-
Notifications
You must be signed in to change notification settings - Fork 0
/
dspy-prediction.py
executable file
·409 lines (344 loc) · 12.3 KB
/
dspy-prediction.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
#####################
# Accounting Categories Advisor
#####################
import os
import dspy
from dspy.teleprompt import LabeledFewShot, BootstrapFewShot
from dspy.evaluate.evaluate import Evaluate
OPENAI_API_KEY = os.environ.get("OPENAI_API_KEY")
# Set up the LM
gpt4turbo = dspy.OpenAI(model="gpt-4-turbo", max_tokens=300, api_key=OPENAI_API_KEY)
dspy.configure(lm=gpt4turbo)
income_statement = """
# Conto Economico
## Ricavi
- **Ricavi delle vendite:** Vendite di tessuti, abbigliamento e accessori prodotti.
- **Ricavi da servizi:** Entrate da servizi di design, consulenza, e post-vendita.
## Costi della Produzione
- **Costi delle materie prime:** Acquisto di filati, tessuti grezzi, e altri materiali.
- **Costi del lavoro diretto:** Salari del personale di produzione.
- **Costi di produzione indiretti:** Ammortamento delle attrezzature, manutenzione, energia elettrica.
## Valore della Produzione
- **Totale Ricavi**
- **Meno: Costi della Produzione**
## Risultato Operativo Lordo
- **Margine Operativo Lordo:** Differenza tra il valore della produzione e i costi della produzione.
## Spese Operative
- **Spese Amministrative:** Salari del personale amministrativo, forniture d'ufficio.
- **Spese di Vendita:** Pubblicità, commissioni ai venditori, spese di trasporto e distribuzione.
- **Ricerca e Sviluppo:** Costi relativi allo sviluppo di nuovi prodotti o miglioramento dei prodotti esistenti.
- **Ammortamenti:** Ammortamento degli impianti e delle attrezzature.
## Risultato Operativo Netto
- **Margine Operativo Netto:** Differenza tra il risultato operativo lordo e le spese operative.
## Proventi e Oneri Finanziari
- **Interessi Passivi:** Interessi su prestiti e finanziamenti.
- **Interessi Attivi:** Interessi maturati su investimenti e depositi.
## Risultato Prima delle Imposte
- **Utile o Perdita Operativa:** Differenza tra il risultato operativo netto e i proventi e oneri finanziari.
## Imposte sul Reddito
- **Imposte sul reddito delle società**
## Utile (Perdita) Netto/a
- **Utile o Perdita Netto/a:** Differenza tra il risultato prima delle imposte e le imposte sul reddito.
"""
#####################
# Building Signatures
#####################
class GenerateAnswer(dspy.Signature):
"""context, line_item -> answer"""
context = dspy.InputField(desc="Il conto economico dell'azienda tessile.")
line_item = dspy.InputField(desc="L'elemento da categorizzare.")
answer = dspy.OutputField(desc="La giusta categoria di conto economico.")
#####################
# Building the Pipeline
#####################
class AccountingCategoryAdvisor(dspy.Module):
def __init__(self):
super().__init__()
self.generate_answer = dspy.Predict(GenerateAnswer)
def forward(self, line_item):
prediction = self.generate_answer(context=income_statement, line_item=line_item)
return dspy.Prediction(answer=prediction.answer)
#####################
# Using AI feedback for the metric
#####################
# Define the signature for automatic assessments.
class Judge(dspy.Signature):
"""Assess the correctness of a classification task."""
context = dspy.InputField(
desc="Context for the prediction, the list of categories from the income statement."
)
question = dspy.InputField(desc="Item to be categorized.")
answer = dspy.InputField(desc="Answer to the categorization question.")
category_correct = dspy.OutputField(
desc="Is the categorization answer correct?", prefix="Category[Yes/No]:"
)
judge = dspy.Predict(Judge)
def metric(gold, pred, trace=None):
line_item, category, answer = gold.line_item, gold.category, pred.answer
# with dspy.context(lm=gpt4turbo):
# correct = judge(context=income_statement, question=line_item, answer=answer)
# correct = correct.category_correct.lower() == "yes"
correct = category == answer
score = 1 if correct else 0
if trace is not None:
return score >= 1
return score
#####################
# Building the datasets
#####################
traindata = [
{
"line_item": "Ricevuta energia termica",
"category": "Costi di produzione indiretti",
},
{
"line_item": "Fattura vendita abbigliamento finito",
"category": "Ricavi delle vendite",
},
{"line_item": "Nota di credito per reso merci", "category": "Ricavi delle vendite"},
{"line_item": "Pagamento royalty design", "category": "Spese Amministrative"},
{
"line_item": "Fattura servizio di pulizia uffici",
"category": "Spese Amministrative",
},
{
"line_item": "Ricevuta acquisto licenza software gestionale",
"category": "Spese Amministrative",
},
{"line_item": "Bolletta gas fabbrica", "category": "Costi di produzione indiretti"},
{
"line_item": "Fattura acquisto filati speciali",
"category": "Costi delle materie prime",
},
{
"line_item": "Pagamento contributi previdenziali dipendenti",
"category": "Costi del lavoro diretto",
},
{
"line_item": "Ricevuta noleggio automezzi per distribuzione",
"category": "Spese di Vendita",
},
{
"line_item": "Fattura acquisto software CAD per design tessuti",
"category": "Ricerca e Sviluppo",
},
{
"line_item": "Pagamento interessi su obbligazioni",
"category": "Interessi Passivi",
},
{"line_item": "Entrate da brevetti", "category": "Altri ricavi e redditi"},
{
"line_item": "Fattura servizi di consulenza legale",
"category": "Spese Amministrative",
},
{
"line_item": "Pagamento tasse su proprietà industriale",
"category": "Spese Amministrative",
},
{"line_item": "Bonifico per ristrutturazione impianti", "category": "Ammortamenti"},
{
"line_item": "Ricevuta manutenzione straordinaria macchinari",
"category": "Costi di produzione indiretti",
},
{"line_item": "Fattura servizi di trasporto merci", "category": "Spese di Vendita"},
{
"line_item": "Pagamento assicurazione fabbrica",
"category": "Spese Amministrative",
},
{
"line_item": "Ricevuta acquisto uniformi per il personale",
"category": "Costi del lavoro diretto",
},
{"line_item": "Fattura stampa cataloghi prodotti", "category": "Spese di Vendita"},
{
"line_item": "Pagamento servizio hosting sito web",
"category": "Spese Amministrative",
},
{
"line_item": "Fattura per acquisto stand fieristici",
"category": "Spese di Vendita",
},
{"line_item": "Ricevuta commissioni su vendite", "category": "Spese di Vendita"},
{
"line_item": "Fattura per servizi fotografici prodotti",
"category": "Spese di Vendita",
},
{
"line_item": "Bonifico per investimenti in sicurezza sul lavoro",
"category": "Spese Amministrative",
},
{
"line_item": "Ricevuta pagamento utenze ufficio",
"category": "Spese Amministrative",
},
{
"line_item": "Fattura acquisto tessuti per campionature",
"category": "Costi delle materie prime",
},
{
"line_item": "Ricevuta spese di viaggio per fiere",
"category": "Spese di Vendita",
},
{
"line_item": "Pagamento servizi postali e di corriere",
"category": "Spese Amministrative",
},
{
"line_item": "Bonifico per acquisto quote di mercato",
"category": "Altri ricavi e redditi",
},
{
"line_item": "Fattura per servizi di market analysis",
"category": "Spese Amministrative",
},
{
"line_item": "Pagamento canoni di leasing per automezzi",
"category": "Costi di produzione indiretti",
},
{
"line_item": "Ricevuta acquisto materiale promozionale",
"category": "Spese di Vendita",
},
{
"line_item": "Fattura energia elettrica showroom",
"category": "Costi di produzione indiretti",
},
{
"line_item": "Pagamento servizio di recupero crediti",
"category": "Spese Amministrative",
},
{
"line_item": "Fattura acquisto attrezzature per qualità",
"category": "Costi di produzione indiretti",
},
{
"line_item": "Bonifico per formazione personale",
"category": "Spese Amministrative",
},
{
"line_item": "Ricevuta per servizi SEO sul sito aziendale",
"category": "Spese Amministrative",
},
{
"line_item": "Pagamento diritti d'autore su design",
"category": "Spese Amministrative",
},
{
"line_item": "Fattura per consulenza finanziaria",
"category": "Spese Amministrative",
},
{
"line_item": "Ricevuta bonifico per acquisto brevetti",
"category": "Altri ricavi e redditi",
},
{
"line_item": "Pagamento interessi su mutuo fabbrica",
"category": "Interessi Passivi",
},
{
"line_item": "Fattura per acquisto computer ufficio",
"category": "Spese Amministrative",
},
{
"line_item": "Ricevuta abbonamento riviste settoriali",
"category": "Spese Amministrative",
},
{
"line_item": "Bonifico per investimenti pubblicitari online",
"category": "Spese di Vendita",
},
{
"line_item": "Fattura per rinnovo licenze software",
"category": "Spese Amministrative",
},
{
"line_item": "Pagamento quota annuale associazione categoria",
"category": "Spese Amministrative",
},
{
"line_item": "Ricevuta acquisto gadget promozionali",
"category": "Spese di Vendita",
},
{
"line_item": "Bonifico per aggiornamento impianti di sicurezza",
"category": "Costi di produzione indiretti",
},
]
trainset = [
dspy.Example(line_item=e["line_item"], category=e["category"]).with_inputs(
"line_item"
)
for e in traindata
]
testdata = [
{"line_item": "Fattura di vendita tessuti", "category": "Ricavi delle vendite"},
{"line_item": "Ricevuta acquisto cotone", "category": "Costi delle materie prime"},
{
"line_item": "Bolletta elettrica fabbrica",
"category": "Costi di produzione indiretti",
},
{"line_item": "Stipendi operai tessitura", "category": "Costi del lavoro diretto"},
{"line_item": "Nota spese viaggio commerciale", "category": "Spese di Vendita"},
{"line_item": "Fattura acquisto macchinario tessile", "category": "Ammortamenti"},
{
"line_item": "Estratto conto interessi passivi prestito",
"category": "Interessi Passivi",
},
{"line_item": "Ricevuta pagamento pubblicità", "category": "Spese di Vendita"},
{"line_item": "Fattura consulenza design moda", "category": "Spese Amministrative"},
{
"line_item": "Bonifico per investimento in ricerca",
"category": "Ricerca e Sviluppo",
},
]
testset = [
dspy.Example(line_item=e["line_item"], category=e["category"]).with_inputs(
"line_item"
)
for e in testdata
]
#####################
# Optimize and compile the Model
#####################
# Define teleprompter
# teleprompter = LabeledFewShot()
teleprompter = BootstrapFewShot(metric=metric)
# Compile!
compiled_ACA = teleprompter.compile(
student=AccountingCategoryAdvisor(), trainset=trainset
)
#####################
# Evaluate the Model
#####################
# Set up the evaluator, which can be used multiple times.
evaluate = Evaluate(
devset=testset,
metric=metric,
num_threads=4,
display_progress=True,
display_table=5,
)
uncompiled_evaluation = evaluate(AccountingCategoryAdvisor(), metric)
compiled_evaluation = evaluate(compiled_ACA, metric)
print(f"## Score for uncompiled: {uncompiled_evaluation}")
print(f"## Score for compiled: {compiled_evaluation}")
#####################
# Make Predictions
#####################
line_item_question = "Bolletta elettrica fabbrica"
# Get the prediction. This contains `pred.context` and `pred.answer`.
pred = compiled_ACA(line_item_question)
print(f"Question: {line_item_question}")
print(f"Predicted Answer: {pred.answer}")
score = 0
for test in testset:
line_item = test["line_item"]
category = test["category"]
pred = compiled_ACA(line_item)
if pred.answer == category:
score += 1
print(
f"Question: {line_item}, Predicted Answer: {pred.answer}, Expected Answer: {category}, Score: {score}"
)
print("\n")
print(f"Final Score: {score}/{len(testset)}")