ComeçarComece de graça

Gerando respostas naturais com QA abstrativo

Os chatbots de suporte ao cliente querem dar respostas úteis e conversacionais, não só trechos de texto exatos. Para conseguir isso, eles usam respostas abstratas a perguntas, que geram respostas curtas e fluentes com base no contexto. A tua tarefa é usar o pipeline “ "text2text-generation" ” do Hugging Face com um modelo treinado para QA abstrativo pra criar respostas naturais a partir de informações sobre produtos.

Este exercício faz parte do curso

Processamento de Linguagem Natural (NLP) em Python

Ver curso

Instruções do exercício

  • Crie um objeto " qa_pipeline " usando o modelo " "fangyuan/hotpotqa_abstractive" " com a tarefa " "text2text-generation" ".
  • Use os links context e question pra gerar um resumo abstrativo answer.

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