НачатьНачать бесплатно

Генерация развёрнутых ответов с помощью абстрактивного QA

Чат-боты для поддержки клиентов должны давать понятные, связные ответы, а не просто воспроизводить фрагменты текста. Для этого используется абстрактивный подход к ответам на вопросы: модель генерирует лаконичные и грамотно сформулированные ответы на основе предоставленного контекста. Ваша задача — применить конвейер "text2text-generation" из Hugging Face с моделью, обученной для абстрактивного QA, чтобы формировать естественные ответы на основе информации о продукте.

Это упражнение является частью курса

Обработка естественного языка (NLP) на Python

Посмотреть курс

Инструкции к упражнению

  • Создайте qa_pipeline, используя модель "fangyuan/hotpotqa_abstractive" с задачей "text2text-generation".
  • Используйте предоставленные context и question, чтобы сгенерировать абстрактивный ответ answer.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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)
Редактировать и запускать код