ComeçarComece de graça

Gerando respostas naturais com QA abstrativo

Chatbots de suporte ao cliente buscam fornecer respostas úteis e conversacionais, não apenas trechos exatos de texto. Para isso, eles usam question answering abstrativo, que gera respostas concisas e fluentes com base no contexto. Sua tarefa é aplicar o pipeline "text2text-generation" do Hugging Face com um modelo treinado para QA abstrativo para criar respostas naturais a partir de informações de produto.

Este exercício faz parte do curso

Processamento de Linguagem Natural (NLP) em Python

Ver curso

Instruções do exercício

  • Crie um qa_pipeline usando o modelo "fangyuan/hotpotqa_abstractive" com a tarefa "text2text-generation".
  • Use o context e a question fornecidos para gerar uma answer abstrativa.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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 e executar o código