LoslegenKostenlos starten

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

<Kurs>Natural Language Processing (NLP) in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • 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 praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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