Dokument-Q&A

Arbeta med Hugging Face

Jacob H. Marquez

Lead Data Engineer

Vad är dokument-Q&A?

$$

  • Besvarar frågor om dokumentinnehåll
  • Kräver ett dokument och en fråga
  • Ger direkta eller omformulerade svar

$$

Fråga: "Vad är den totala omsättningen för Q3?"

Ett dokument

Arbeta med Hugging Face

Användningsfall för dokument-Q&A

Användningsfall inom juridik, ekonomi och support

$$

  • 📑 Juridik: Identifiera avtalsklausuler

$$

  • 💰 Ekonomi: Extrahera nyckeltal

$$

  • 🤓 Support: Hämta svar från manualer
Arbeta med Hugging Face

Automatisera HR-frågor med dokument-Q&A

$$

  • 📄 Information finns i US-Employee_Policy.pdf

$$

  • 🤖 Bygg ett system för att extrahera svar

$$

  • 🕑 Spara tid och arbete för HR

$$

HR-teamet är överbelastat

Arbeta med Hugging Face

Extrahera text med pypdf

from pypdf import PdfReader


# Load the PDF file
reader = PdfReader("US-Employee_Policy.pdf")


# Extract text from all pages
document_text = ""
for page in reader.pages:

    document_text += page.extract_text()

Welcome to the US Employee Policy document...
Arbeta med Hugging Face

Skapa en Q&A-pipeline

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


question = "How many volunteer days are offered annually?"


# Get the answer from the QA pipeline
result = qa_pipeline(question=question, context=document_text)

print(f"Answer: {result['answer']}")

Answer: 1
Arbeta med Hugging Face

Allt på plats

$$

  • 📄 Använd PdfReader från pypdf för att läsa in PDF-filer
  • 🔎 Extrahera text med .pages och .extract_text() till document_text
  • 🤔 Sätt upp en question-answering-pipeline
  • ❓ Skicka question och context till pipelinen
  • ⏰ Lägg in i funktioner för att automatisera frågor

Dokument-Q&A

HR-team bygger företagskultur

Arbeta med Hugging Face

Nu kör vi en övning!

Arbeta med Hugging Face

Preparing Video For Download...