問題自然語言推論
文字分類底下的另一個任務是問題自然語言推論（Question Natural Language Inference，QNLI）。它會檢查前提是否包含足夠的資訊來回答提出的問題，也就是判斷是否能在給定文字中找到答案。
使用 text-classification 的 pipeline 來執行不同任務，可以透過選擇不同的模型達成。每個模型都針對特定標籤進行訓練，並最佳化以學習文字中的不同脈絡。
transformers 函式庫中的 pipeline 已為你載入。
本練習屬於課程
善用 Hugging Face
練習說明
- 使用模型
"cross-encoder/qnli-electra-base"建立一個用於 QNLI 的文字分類 pipeline，並將其儲存為classifier。 - 使用這個分類器判斷該文字是否提供足夠資訊來回答問題。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create the pipeline
____ = ____(____=____, ____="cross-encoder/qnli-electra-base")
# Predict the output
____ = ____("Where is the capital of France?, Brittany is known for its stunning coastline.")
print(output)