[TOC] ## 對話 ### roberta-base-chinese-extractive-qa 模型 ``` from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline model = AutoModelForQuestionAnswering.from_pretrained('uer/roberta-base-chinese-extractive-qa') tokenizer = AutoTokenizer.from_pretrained('uer/roberta-base-chinese-extractive-qa') QA = pipeline('question-answering', model=model, tokenizer=tokenizer) QA_input = {'question': "著名詩歌《假如生活欺騙了你》的作者是",'context': "普希金從那里學習人民的語言，吸取了許多有益的養料，這一切對普希金后來的創作產生了很大的影響。這兩年里，普希金創作了不少優秀的作品，如《囚徒》、《致大海》、《致凱恩》和《假如生活欺騙了你》等幾十首抒情詩，敘事詩《努林伯爵》，歷史劇《鮑里斯·戈都諾夫》，以及《葉甫蓋尼·奧涅金》前六章。"} qa = QA(QA_input,max_length=100) print(qa) # {'score': 0.9766427278518677, 'start': 0, 'end': 3, 'answer': '普希金'} ``` ### luhua/chinese_pretrain_mrc_roberta_wwm_ext_large 模型 ``` from transformers import AutoTokenizer, AutoModelForQuestionAnswering, pipeline, BertTokenizer model_name = "chinese_pretrain_mrc_roberta_wwm_ext_large" # "chinese_pretrain_mrc_macbert_large" # Use in Transformers tokenizer = AutoTokenizer.from_pretrained(f"luhua/{model_name}") model = AutoModelForQuestionAnswering.from_pretrained(f"luhua/{model_name}") QA = pipeline('question-answering', model=model, tokenizer=tokenizer) QA_input = { 'question': "錢鐘書是誰", 'context': "普希金從那里學習人民的語言，吸取了許多有益的養料，這一切對普希金后來的創作產生了很大的影響。這兩年里，普希金創作了不少優秀的作品，如《囚徒》、《致大海》、《致凱恩》和《假如生活欺騙了你》等幾十首抒情詩，敘事詩《努林伯爵》，歷史劇《鮑里斯·戈都諾夫》，以及《葉甫蓋尼·奧涅金》前六章。" } qa = QA(QA_input, max_length=100) print(qa) # {'score': 0.0037305462174117565, 'start': 66, 'end': 76, 'answer': '《囚徒》、《致大海》'} ```