Vraagbeantwoording

Natural Language Processing (NLP) in Python

Fouad Trad

Machine Learning Engineer

Extractive QA

Antwoord rechtstreeks gekopieerd uit de tekst

Afbeelding met context "De bibliotheek sluit doordeweeks om 18:00"

Afbeelding met een extractief antwoord: "18:00"

Abstractive QA

Model genereert een natuurlijk antwoord

Afbeelding met een vraag: "Wanneer sluit de bibliotheek doordeweeks?"

Afbeelding met een abstractief antwoord: "Sluiting is om 18:00"

Extractive QA

Handig voor:
- Zoekmachines
- Documentophaalsystemen
- Leesbegripsapps
Nauwkeuriger, minder foutgevoelig

Abstractive QA

Handig voor:
- Conversatieagents
- Virtuele assistenten
- Klantenservicebots
Kan fouten introduceren

Extractive QA

from transformers import pipeline

qa_pipeline = pipeline(task="question-answering", 
                       model="distilbert/distilbert-base-cased-distilled-squad")

context = """The Amazon rainforest is the largest tropical rainforest in the world, 
covering parts of Brazil, Peru, and Colombia."""

question = "Which countries does the Amazon rainforest cover?"

qa_answer = qa_pipeline(question=question, context=context)
print(qa_answer)

{'score': 0.9242347478866577,

 'start': 90, 'end': 116,

 'answer': 'Brazil, Peru, and Colombia'}

Abstractive QA

from transformers import pipeline
qa_pipeline = pipeline(task="text2text-generation",
                       model="fangyuan/hotpotqa_abstractive")

context = """The Amazon rainforest is the largest tropical rainforest in the world, 
covering parts of Brazil, Peru, and Colombia."""
question = "Which countries does the Amazon rainforest cover?"

input_text = f"question: {question}  context: {context}"

result = qa_pipeline(input_text)

print(result)

[{'generated_text': 'The Amazon rainforest covers parts of Brazil, Peru, and Colombia.'}]

Laten we oefenen!

Natural Language Processing (NLP) in Python