Многоязычный универсальный кодировщик предложений, поиск вопросов и ответов

Посмотреть на TensorFlow.org Запустить в Google Colab Посмотреть на GitHub Скачать блокнот Посмотреть модели TF Hub

Это демо для использования Universal Encoder Многоязычной Q & A модели для поиска ответов на вопросы текста, иллюстрирующее использование question_encoder и response_encoder модели. Мы используем предложения из Отряда пунктов в качестве демонстрационного набора данных, каждое предложение и его контекст (текст , окружающий предложение) кодируется в больших вложениях измерения с response_encoder. Эти вложения хранятся в индексе , построенном с использованием simpleneighbors библиотеки для поиска ответов на вопросы.

На извлечении случайный вопрос выбран из дружина набора данных и кодируется в высокую размерность вложения с question_encoder и запросом индексом simpleneighbors возвращающего список приближенных ближайших соседей в семантическом пространстве.

Больше моделей

Вы можете найти в настоящее время базируется текст вложения моделей здесь и все модели , которые были обучены на дружину , а также здесь .

Настраивать

Настройка среды

%%capture
# Install the latest Tensorflow version.
!pip install -q tensorflow_text
!pip install -q simpleneighbors[annoy]
!pip install -q nltk
!pip install -q tqdm

Настроить общий импорт и функции

[nltk_data] Downloading package punkt to /home/kbuilder/nltk_data...
[nltk_data]   Unzipping tokenizers/punkt.zip.

Запустите следующий блок кода, чтобы загрузить и извлечь в него набор данных SQuAD:

  • предложения является перечень (текст, контекст) кортежей - каждый пункт из команды набора данных расщепляются на предложения , используя NLTK библиотеку и предложение и абзацев текста , формирует (текст, контекст) кортежей.
  • вопросов является перечень (вопрос, ответ) кортежей.

Скачивание и извлечение данных SQuAD

squad_url = 'https://rajpurkar.github.io/SQuAD-explorer/dataset/dev-v1.1.json'

squad_json = download_squad(squad_url)
sentences = extract_sentences_from_squad_json(squad_json)
questions = extract_questions_from_squad_json(squad_json)
print("%s sentences, %s questions extracted from SQuAD %s" % (len(sentences), len(questions), squad_url))

print("\nExample sentence and context:\n")
sentence = random.choice(sentences)
print("sentence:\n")
pprint.pprint(sentence[0])
print("\ncontext:\n")
pprint.pprint(sentence[1])
print()
10455 sentences, 10552 questions extracted from SQuAD https://rajpurkar.github.io/SQuAD-explorer/dataset/dev-v1.1.json

Example sentence and context:

sentence:

('The Mongol Emperors had built large palaces and pavilions, but some still '
 'continued to live as nomads at times.')

context:

("Since its invention in 1269, the 'Phags-pa script, a unified script for "
 'spelling Mongolian, Tibetan, and Chinese languages, was preserved in the '
 'court until the end of the dynasty. Most of the Emperors could not master '
 'written Chinese, but they could generally converse well in the language. The '
 'Mongol custom of long standing quda/marriage alliance with Mongol clans, the '
 'Onggirat, and the Ikeres, kept the imperial blood purely Mongol until the '
 'reign of Tugh Temur, whose mother was a Tangut concubine. The Mongol '
 'Emperors had built large palaces and pavilions, but some still continued to '
 'live as nomads at times. Nevertheless, a few other Yuan emperors actively '
 'sponsored cultural activities; an example is Tugh Temur (Emperor Wenzong), '
 'who wrote poetry, painted, read Chinese classical texts, and ordered the '
 'compilation of books.')

Следующие установки кода блокировать tensorflow график г и сеанс с Universal Encoder Многоязычный Q & A Model question_encoder «с и response_encoder подписей.

Загрузить модель из хаба tensorflow

Следующий блок кода вычислить вложения для всех текста, контекста кортежей и хранить их в simpleneighbors индекса с помощью response_encoder.

Вычислить вложения и построить индекс simpleneighbours

Computing embeddings for 10455 sentences
0%|          | 0/104 [00:00<?, ?it/s]
simpleneighbors index for 10455 sentences built.

На извлечения, вопрос кодируется с использованием question_encoder и вопрос вложение используется для запроса индекс simpleneighbors.

Получение ближайших соседей для случайного вопроса из SQuAD

num_results = 25

query = random.choice(questions)
display_nearest_neighbors(query[0], query[1])