Sistema de respuesta a preguntas
Este tutorial muestra cómo utilizar Milvus, la base de datos vectorial de código abierto, para crear un sistema de respuesta a preguntas (QA).
El modelo ML y el software de terceros utilizados incluyen:
- BERT
- MySQL
- Towhee
El sistema de respuesta a preguntas es una aplicación común del mundo real que pertenece al campo del procesamiento del lenguaje natural. Los sistemas de respuesta a preguntas típicos incluyen sistemas de atención al cliente en línea, chatbots de respuesta a preguntas, etc. La mayoría de los sistemas de respuesta a preguntas se pueden clasificar como: generativos o de recuperación, de una o varias rondas, de dominio abierto o sistemas específicos de respuesta a preguntas.
En este tutorial, aprenderás a construir un sistema de control de calidad que pueda vincular nuevas preguntas de los usuarios con respuestas masivas almacenadas previamente en la base de datos de vectores. Para construir un chatbot de este tipo, prepara tu propio conjunto de datos de preguntas y sus correspondientes respuestas. Almacena las preguntas y respuestas en MySQL, una base de datos relacional. A continuación, utilice BERT, el modelo de aprendizaje automático (ML) para el procesamiento del lenguaje natural (NLP), para convertir las preguntas en vectores. Estos vectores de preguntas se almacenan e indexan en Milvus. Cuando los usuarios introducen una nueva pregunta, el modelo BERT también la convierte en un vector, y Milvus busca el vector de preguntas más similar a este nuevo vector. El sistema de control de calidad devuelve la respuesta correspondiente a las preguntas más similares.
QA_Chatbot
QA_chatbot_demo
