Soru benzerliği ve dilbilgisel doğruluk

Python ile Natural Language Processing (NLP)

Fouad Trad

Machine Learning Engineer

Soru benzerliği

İki sorunun yeniden ifade edilmiş hâller olup olmadığını belirler
Şunlar için yararlı:
- Yinelenenleri kaldırma
- Benzer soruları kümelendirme
- Arama doğruluğunu artırma
Quora Question Pairs (QQP) veri kümesiyle eğitilmiş modellerle yapılır

Üç kişinin soru sorduğunu gösteren görsel.

QQP işlem hattı

from transformers import pipeline

qqp_pipeline = pipeline(
    task="text-classification", 
    model="textattack/bert-base-uncased-QQP"
    )

question1 = "How can I learn Python?"
question2 = "What is the best way to study Python?"

result = qqp_pipeline({"text": question1, "text_pair": question2})

print(result)

{'label': 'LABEL_1', 'score': 0.6853412985801697}

QQP işlem hattı

from transformers import pipeline
qqp_pipeline = pipeline(
    task="text-classification", 
    model="textattack/bert-base-uncased-QQP"
    )
question1 = "How can I learn Python?"
question2 = "What is the capital of France?"
result = qqp_pipeline({"text": question1, "text_pair": question2})
print(result)

{'label': 'LABEL_0', 'score': 0.9999338388442993}

Dilbilgisel doğruluğu değerlendirme

Bir metnin dilbilgisel olarak ne kadar doğru olduğunu değerlendirir
Şunlar için yararlı:
- Eğitim araçları
- Dilbilgisi denetleyicileri
- Yazma asistanları
Linguistic Acceptability Derlemi (CoLA) ile eğitilmiş modellerle yapılır

Yazılı bir metnin doğruluğunu değerlendiren bir kişiyi gösteren görsel.

CoLA işlem hattı

from transformers import pipeline
cola_classifier = pipeline(
  task="text-classification", 
  model="textattack/distilbert-base-uncased-CoLA"
)

result = cola_classifier("The cat sat on the mat.")

print(result)

[{'label': 'LABEL_1', 'score': 0.9918296933174133}]

CoLA işlem hattı

from transformers import pipeline
cola_classifier = pipeline(
  task="text-classification", 
  model="textattack/distilbert-base-uncased-CoLA"
)
result = cola_classifier("The cat on sat mat the.")
print(result)

[{'label': 'LABEL_0', 'score': 0.9628171324729919}]

Hadi pratik yapalım!

Python ile Natural Language Processing (NLP)