Generare risposte naturali con QA astrattivo
I chatbot per l'assistenza clienti puntano a fornire risposte utili e conversazionali, non solo brevi estratti di testo. Per riuscirci, usano il question answering astrattivo, che genera risposte concise e fluide basate sul contesto. Il tuo compito è applicare la pipeline "text2text-generation" di Hugging Face con un modello addestrato per il QA astrattivo per creare risposte naturali a partire dalle informazioni di prodotto.
Questo esercizio fa parte del corso
Natural Language Processing (NLP) in Python
Istruzioni dell'esercizio
- Crea una
qa_pipelineusando il modello"fangyuan/hotpotqa_abstractive"con il task"text2text-generation". - Usa il
contexte laquestionforniti per generare unaanswerastrattiva.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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)