Crie um bot de perguntas e respostas em apenas 10 minutos usando apenas o Hugging Face Transformer
Table of Contents:
- Introdução
- Instalação da Biblioteca Transformers
- Importando as Bibliotecas
- Desenvolvendo o Pipeline
- Obtendo os Dados da Tabela
- Lendo a Tabela
- Fazendo uma Pergunta
- Obtendo a Resposta
- Considerações Finais
- Recursos
📚 Introdução
Olá a todos! Sejam bem-vindos ao Sciences! Meu nome é Shahzeb Hamit e hoje vamos desenvolver um quadro de perguntas e respostas usando a biblioteca Hugging Face Transformers. Neste Tutorial, vou guiá-los passo a passo na criação deste sistema. Vamos começar!
Instalação da Biblioteca Transformers
Antes de começarmos, é necessário instalar a biblioteca Transformers. Para fazer isso, siga as seguintes etapas:
- Abra o Google Colab.
- Digite o seguinte comando para instalar a biblioteca Transformers:
!pip install transformers==4.4.2
.
- Aguarde até que a instalação esteja concluída.
Importando as Bibliotecas
Após instalar a biblioteca Transformers, importe as seguintes bibliotecas necessárias para o nosso projeto:
import torch
from transformers import pipeline
import pandas as pd
Certifique-se de que todas as bibliotecas foram importadas corretamente.
Desenvolvendo o Pipeline
Agora vamos desenvolver o pipeline, que é a metodologia que utilizaremos para usar as interfaces e modelos disponíveis no Hugging Face Transformers. O modelo que usaremos é o Tapas base fine-tuned.
tqa = pipeline('table-question-answering', model='google/tapas-base-finetuned')
Obtendo os Dados da Tabela
Para prosseguir, precisamos ter os dados da tabela que utilizaremos. Certifique-se de que você tenha o arquivo "data.csv" na sua pasta do Google Drive.
Lendo a Tabela
Após termos os dados da tabela, vamos lê-la como uma STRING usando a biblioteca pandas.
table = pd.read_csv('/content/drive/MyDrive/data.csv', dtype=str)
table_str = table.to_string(index=False)
Certifique-se de ajustar o caminho do arquivo "data.csv" de acordo com a sua estrutura de diretórios.
Fazendo uma Pergunta
Agora vamos fazer uma pergunta à nossa tabela. Por exemplo, vamos perguntar "Qual jogador marcou mais pontos?". Usaremos o nosso pipeline para obter a resposta.
question = 'Qual jogador marcou mais pontos?'
answer = tqa(question=question, table=table_str)[0]['answer']
print(f"A resposta para a pergunta '{question}' é: {answer}")
A resposta será exibida no console.
Considerações Finais
Parabéns! Você criou com sucesso um sistema de perguntas e respostas usando a biblioteca Hugging Face Transformers. Agora você pode explorar outras funcionalidades e aprimorar o seu projeto.
Recursos