Podobnost otázek a gramatická správnost

Zpracování přirozeného jazyka (NLP) v Pythonu

Fouad Trad

Machine Learning Engineer

Podobnost otázek

Identifikuje, kdy jsou dvě otázky parafrázemi
Využití:
- Deduplikace
- Seskupování podobných otázek
- Zlepšení přesnosti vyhledávání
Modely trénované na datové sadě Quora Question Pairs (QQP)

Obrázek tří lidí pokládajících otázky.

Pipeline QQP

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}

Pipeline QQP

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}

Hodnocení gramatické správnosti

Hodnotí gramatickou správnost textu
Využití:
- Vzdělávací nástroje
- Kontrola gramatiky
- Asistenti pro psaní
Modely trénované na datové sadě Corpus of Linguistic Acceptability (CoLA)

Obrázek osoby hodnotící správnost písemného textu.

Pipeline CoLA

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}]

Pipeline CoLA

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}]

Pojďme si procvičit!

Zpracování přirozeného jazyka (NLP) v Pythonu