Odpowiadanie na pytania

Przetwarzanie języka naturalnego (NLP) w Pythonie

Fouad Trad

Machine Learning Engineer

Ekstrakcyjne QA

Odpowiedź skopiowana bezpośrednio z tekstu

Obraz przedstawiający kontekst „The library closes at 6 PM on weekdays"

Obraz przedstawiający odpowiedź ekstrakcyjną: „6 PM"

Abstrakcyjne QA

Model generuje naturalnie brzmiącą odpowiedź

Obraz przedstawiający pytanie: „When does the library close on weekdays?"

Obraz przedstawiający odpowiedź abstrakcyjną: „Closure is at 6 PM"

Ekstrakcyjne QA

Zastosowania:
- Wyszukiwarki
- Systemy wyszukiwania dokumentów
- Aplikacje do rozumienia tekstu
Większa dokładność, mniej błędów

Abstrakcyjne QA

Zastosowania:
- Agenty konwersacyjne
- Wirtualni asystenci
- Boty obsługi klienta
Może wprowadzać błędy

Ekstrakcyjne 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'}

Abstrakcyjne 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.'}]

Czas na praktykę!

Przetwarzanie języka naturalnego (NLP) w Pythonie