LoslegenKostenlos loslegen

Natürliche Antworten mit abstraktivem QA erzeugen

Kundensupport-Chatbots sollen hilfreiche, dialogorientierte Antworten geben – nicht nur exakte Textauszüge. Dafür nutzen sie abstraktives Question Answering, das auf Basis des Kontexts präzise und flüssige Antworten generiert. Deine Aufgabe ist es, die "text2text-generation"-Pipeline von Hugging Face mit einem für abstraktives QA trainierten Modell zu verwenden, um natürliche Antworten aus Produktinformationen zu erstellen.

Diese Übung ist Teil des Kurses

Natural Language Processing (NLP) in Python

Kurs anzeigen

Anleitung zur Übung

  • Erstelle eine qa_pipeline mit dem Modell "fangyuan/hotpotqa_abstractive" für die Aufgabe "text2text-generation".
  • Verwende den gegebenen context und die question, um eine abstraktive answer zu generieren.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

from transformers import pipeline

# Create the abstractive question-answering pipeline
qa_pipeline = pipeline(
    task="____",
    model="____"
)

context = """This smartphone features a 6.5-inch OLED display, 128GB of storage, and a 48MP camera with night mode. It supports 5G connectivity and has a battery life of up to 24 hours."""

question = "What is the size of the smartphone's display?"

# Generate abstractive answer
result = qa_pipeline(f"____: {____} ____: {____}")
print(result)
Code bearbeiten und ausführen