Frage Natürliche Sprachauslegung
Eine weitere Aufgabe im Bereich der Textklassifizierung ist die Frage-Antwort-Inferenz (QNLI, Question Natural Language Inference). Hier wird überprüft, ob eine Prämisse genug Infos hat, um eine Frage zu beantworten, und ob die Antwort im Text zu finden ist.
Verschiedene Aufgaben mit der Pipeline „ text-classification “ kannst du erledigen, indem du verschiedene Modelle auswählst. Jedes Modell ist darauf ausgelegt, bestimmte Labels vorherzusagen, und wurde so optimiert, dass es verschiedene Kontexte innerhalb eines Textes lernen kann.
pipeline aus der Bibliothek „ transformers “ ist schon für dich geladen.
Diese Übung ist Teil des Kurses
Arbeiten mit Hugging Face
Anleitung zur Übung
- Erstell eine Pipeline für die Textklassifizierung QNLI mit dem Modell „
"cross-encoder/qnli-electra-base"“ und speicher sie als „classifier“. - Benutz diesen Klassifizierer, um zu checken, ob der Text genug Infos hat, um die Frage zu beantworten.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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)