เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างคำตอบที่เป็นธรรมชาติด้วย Abstractive QA

แชทบอตสำหรับฝ่ายบริการลูกค้ามักต้องการคำตอบที่อ่านแล้วเข้าใจง่ายและเป็นธรรมชาติ ไม่ใช่แค่ข้อความที่ดึงมาตรงๆ จากเนื้อหา เพื่อให้ได้ผลลัพธ์แบบนี้ จึงใช้เทคนิค abstractive question answering ซึ่งจะสร้างคำตอบที่กระชับและลื่นไหลจาก context ที่กำหนดให้ ในแบบฝึกหัดนี้ ให้นำ pipeline "text2text-generation" ของ Hugging Face มาใช้ร่วมกับโมเดลที่ฝึกมาสำหรับ abstractive QA เพื่อสร้างคำตอบที่เป็นธรรมชาติจากข้อมูลสินค้า

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การประมวลผลภาษาธรรมชาติ (NLP) ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง qa_pipeline โดยใช้โมเดล "fangyuan/hotpotqa_abstractive" กับ task "text2text-generation"
  • ใช้ context และ question ที่กำหนดให้เพื่อสร้าง answer แบบ abstractive

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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)
แก้ไขและรันโค้ด