ComenzarEmpieza gratis

Generar respuestas naturales con QA abstractiva

Los chatbots de atención al cliente buscan dar respuestas útiles y conversacionales, no solo fragmentos de texto exactos. Para lograrlo, usan question answering abstractivo, que genera respuestas concisas y fluidas basadas en el contexto. Tu tarea es aplicar el pipeline de Hugging Face "text2text-generation" con un modelo entrenado para QA abstractiva y crear respuestas naturales a partir de información de producto.

Este ejercicio forma parte del curso

Natural Language Processing (NLP) en Python

Ver curso

Instrucciones del ejercicio

  • Crea un qa_pipeline usando el modelo "fangyuan/hotpotqa_abstractive" con la tarea "text2text-generation".
  • Usa el context y la question proporcionados para generar una answer de tipo abstractivo.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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)
Editar y ejecutar código