Kom igångKom igång gratis

Generera naturliga svar med abstrakt QA

Kundtjänstchatbotar ska ge hjälpsamma och konversationella svar – inte bara exakta textstycken. För att åstadkomma detta används abstrakt frågesvar (abstractive question answering), som genererar koncisa och flytande svar utifrån kontexten. Din uppgift är att använda Hugging Face-pipelinen "text2text-generation" med en modell tränad för abstrakt QA, för att skapa naturliga svar från produktinformation.

Den här övningen är en del av kursen

Natural Language Processing (NLP) i Python

Visa kurs

Övningsinstruktioner

  • Skapa en qa_pipeline med modellen "fangyuan/hotpotqa_abstractive" och uppgiften "text2text-generation".
  • Använd den angivna context och question för att generera ett abstrakt answer.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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)
Redigera och kör kod