AmazonScience/qanlu
AmazonScience
Pregunta y respuesta
Question Answering NLU (QANLU) es un enfoque que convierte la tarea de NLU en respuesta a preguntas, aprovechando modelos preentrenados de respuesta a preguntas para desempeñarse bien en entornos de pocos datos. En lugar de entrenar un clasificador de intenciones o un etiquetador de slots, podemos hacer preguntas al modelo sobre intenciones y slots en lenguaje natural.
Como usar
from transformers import AutoTokenizer, AutoModelForQuestionAnswering, pipeline
tokenizer = AutoTokenizer.from_pretrained("AmazonScience/qanlu", use_auth_token=True)
model = AutoModelForQuestionAnswering.from_pretrained("AmazonScience/qanlu", use_auth_token=True)
qa_pipeline = pipeline('question-answering', model=model, tokenizer=tokenizer)
qa_input = {
'context': 'Yes. No. I want a cheap flight to Boston.',
'question': 'What is the destination?'
}
answer = qa_pipeline(qa_input)
Funcionalidades
- Conversión de tareas de NLU en respuesta a preguntas
- Aprovechamiento de modelos preentrenados de respuesta a preguntas
- Rendimiento efectivo en pocos datos
- Capacidad para responder preguntas sobre intenciones y slots
Casos de uso
- Demostración del poder de transformación de NLU en diferentes dominios
- Respuestas a preguntas sobre intenciones del usuario
- Clasificación de intenciones y etiquetado de slots en lenguaje natural