LoslegenKostenlos loslegen

Natürliche Antworten mit abstrakter QA generieren

Chatbots für den Kundensupport sollen hilfreiche Antworten geben, die sich wie ein Gespräch anfühlen, und nicht nur genaue Textausschnitte liefern. Dafür nutzen sie abstrakte Fragebeantwortung, die prägnante und flüssige Antworten basierend auf dem Kontext generiert. Deine Aufgabe ist es, die Pipeline „ "text2text-generation" ” von Hugging Face mit einem für abstrakte QA trainierten Modell anzuwenden, um natürliche Antworten aus Produktinformationen zu erstellen.

Diese Übung ist Teil des Kurses

Natürliche Sprachverarbeitung (NLP) in Python

Kurs anzeigen

Anleitung zur Übung

  • Erstell ein „ qa_pipeline ” mit dem „ "fangyuan/hotpotqa_abstractive" ”-Modell und der Aufgabe „ "text2text-generation" ”.
  • Benutze die mitgelieferten Dateien „ context “ und „ question “, um eine abstrakte Datei „ answer “ zu erstellen.

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