ПочатиПочніть безкоштовно

Генерування природних відповідей за допомогою абстрактного QA

Чатботи служби підтримки мають на меті надавати корисні, розмовні відповіді, а не лише точні уривки тексту. Для цього вони використовують абстрактне відповідання на запитання (abstractive question answering), яке генерує лаконічні й природні відповіді на основі контексту. Ваше завдання — застосувати конвеєр Hugging Face "text2text-generation" з моделлю, натренованою для абстрактного QA, щоб створювати природні відповіді з інформації про продукт.

Ця вправа є частиною курсу

Natural Language Processing (NLP) in Python

Переглянути курс

Інструкції до вправи

  • Створіть qa_pipeline, використовуючи модель "fangyuan/hotpotqa_abstractive" із завданням "text2text-generation".
  • Використайте надані context і question, щоб згенерувати абстрактну answer.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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)
Редагувати та запускати код