使用抽取式 QA 生成自然回答
客户支持聊天机器人旨在提供有帮助且自然的对话式回答，而不仅仅是原文片段。为此，它们会使用抽象式问答（abstractive question answering），基于上下文生成简洁流畅的回复。您的任务是使用 Hugging Face 的 "text2text-generation" pipeline，结合经过抽象式 QA 训练的模型，从产品信息中生成自然的回答。
本练习是课程的一部分
Python 中的自然语言处理（NLP）
练习说明
- 使用
"text2text-generation"任务和"fangyuan/hotpotqa_abstractive"模型创建一个qa_pipeline。 - 使用提供的
context和question生成一个抽象式answer。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)