问答 - Hugging Face 机器学习平台

问答

问答模型可以从给定文本中检索问题的答案，这对于在文档中搜索答案很有用。

有关问答任务的更多详细信息，请查看其专用页面！您将找到示例和相关材料。

使用API

提供商

设置

import os
from huggingface_hub import InferenceClient

client = InferenceClient(
    provider="hf-inference",
    api_key=os.environ["HF_TOKEN"],
)

answer = client.question_answering(
    question="What is my name?",
    context="My name is Clara and I live in Berkeley.",
    model="deepset/roberta-base-squad2",
)

API规范

请求

标头
授权	字符串	认证头格式为`'Bearer: hf_**'`，其中`hf_**`是具有“推理提供商”权限的个人用户访问令牌。您可以从您的设置页面生成一个。

有效负载
输入*	对象	一个（上下文，问题）对用于回答
上下文*	字符串	用于回答问题的上下文
问题*	字符串	要回答的问题
参数	对象
top_k	整数	返回的答案数量（将按可能性顺序选择）。请注意，如果上下文中没有足够的选项可用，我们返回的答案将少于topk。
doc_stride	整数	如果上下文太长，无法与模型问题适配，它将分成几个有重叠的块。此参数控制重叠的大小。
max_answer_len	整数	预测答案的最大长度（例如，只考虑长度更短的答案）。
max_seq_len	整数	传递给模型的每个块中，总句子（上下文+问题）的最大令牌长度。如果需要，上下文将分成几个块（使用docStride作为重叠）。
max_question_len	整数	分词后问题的最大长度。如果需要，它将被截断。
handle_impossible_answer	布尔值	是否接受“不可能”作为答案。
align_to_words	布尔值	尝试将答案与实际单词对齐。提高以空格分隔的语言的质量。可能会损害非空格分隔语言（如日语或中文）的质量

响应

正文
（数组）	对象数组	输出是一个对象数组。
answer	字符串	问题的答案。
score	数字	与答案相关的概率。
start	整数	答案在输入中的起始字符位置。
end	整数	答案在输入中的结束字符位置。

< > 在 GitHub 上更新

推理服务提供商

问答

推荐模型

使用API

API规范

请求

响应