Wnioskowanie w języku naturalnym na podstawie pytań
Kolejnym zadaniem z obszaru klasyfikacji tekstu jest wnioskowanie w języku naturalnym na podstawie pytań (Question Natural Language Inference, QNLI). Polega ono na sprawdzeniu, czy dana przesłanka zawiera wystarczające informacje, aby odpowiedzieć na zadane pytanie – innymi słowy, czy odpowiedź można znaleźć w podanym tekście.
Różne zadania w ramach pipeline'u text-classification można realizować, wybierając odpowiednie modele. Każdy model jest trenowany do przewidywania określonych etykiet i zoptymalizowany pod kątem rozumienia różnych kontekstów w tekście.
pipeline z biblioteki transformers jest już załadowany.
To ćwiczenie jest częścią kursu
Praca z Hugging Face
Instrukcje do ćwiczenia
- Utwórz pipeline klasyfikacji tekstu do zadania QNLI, używając modelu
"cross-encoder/qnli-electra-base", i zapisz go jakoclassifier. - Użyj tego klasyfikatora, aby sprawdzić, czy tekst zawiera wystarczające informacje do odpowiedzi na pytanie.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)