Question Natural Language Inference
Eine weitere Aufgabe der Textklassifikation wird als Question Natural Language Inference (QNLI) bezeichnet. Dabei wird geprüft, ob eine Prämisse genug Informationen enthält, um eine gestellte Frage zu beantworten – also ob die Antwort im gegebenen Text gefunden werden kann.
Durch die Wahl unterschiedlicher Modelle lassen sich mit der text-classification-Pipeline verschiedene Tasks ausführen. Jedes Modell ist darauf trainiert, bestimmte Labels vorherzusagen, und darauf optimiert, unterschiedlichen Kontext in einem Text zu erfassen.
Die pipeline aus der Bibliothek transformers ist bereits für dich geladen.
Diese Übung ist Teil des Kurses
<Kurs>Arbeiten mit Hugging Face</Kurs>Übungsanweisungen
- Erstelle mit dem Modell
"cross-encoder/qnli-electra-base"eine Pipeline zur QNLI-Textklassifikation und speichere sie alsclassifier. - Nutze diesen Classifier, um festzustellen, ob der Text genügend Informationen liefert, um die Frage zu beantworten.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create the pipeline
____ = ____(____=____, ____="cross-encoder/qnli-electra-base")
# Predict the output
____ = ____("Where is the capital of France?, Brittany is known for its stunning coastline.")
print(output)