Répondre aux questions issues des descriptions de produits
Un détaillant en ligne souhaite améliorer son service client en répondant automatiquement aux questions courantes sur ses produits à l'aide de leurs descriptions. Votre tâche consiste à utiliser un pipeline Hugging Face pour extraire des réponses précises d'une description de produit en fonction des requêtes des clients.
Cet exercice fait partie du cours
Traitement du langage naturel (NLP) en Python
Instructions
qa_pipelineVeuillez créer un modèle de réponse à une question à l'aide du modèle d'interaction de question-réponse ("distilbert/distilbert-base-cased-distilled-squad") pour répondre aux questions.- Veuillez utiliser les liens fournis
context(description du produit) etquestionpour obtenir une réponse.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
from transformers import pipeline
# Create the 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?"
# Get the answer
result = ____
print(result)