问答机器人

概述

本项目实现了一个基于预训练BERT模型的问答机器人，该模型在SQuAD（斯坦福问答数据集）上进行了微调。机器人能够接收上下文和问题作为输入，并返回相应的答案。项目还包含一个Gradio交互界面，用户可通过友好的网页应用与模型互动。

模型

本项目使用的模型基于BERT（双向编码器表示转换器），这是一种先进的自然语言处理模型。具体而言，我们采用了针对问答任务优化的"Graphcore/bert-large-uncased"变体。

功能

该机器人的主要功能是根据给定上下文回答问题。用户可通过手动输入或上传文本文件提供上下文。Gradio界面支持便捷的交互操作，包括记忆上下文供后续问题使用，以及按需清除上下文。

数据集

模型使用SQuAD数据集进行微调，该数据集包含基于维基百科文章的问题与答案集合，为评估模型问答能力提供了严谨的基准。

使用方法

运行问答机器人需预先安装必要的库，包括Gradio和Transformers。

启动Gradio应用

可在gradio_app.py文件中找到应用代码。运行以下命令启动应用： $ python gradio_app.py

使用笔记本

完整代码（包含模型训练和Gradio应用）详见Jupyter笔记本文件QuestionAnsweringBot.ipynb。用户可通过Jupyter运行并根据需要修改代码。
注意：建议在paperspace.com平台运行此笔记本。本人在Google Colab运行时遇到无法解决的导入错误。

项目总结

本项目通过构建交互式问答机器人，展示了深度学习在自然语言处理中的实际应用。它体现了迁移学习的强大能力，并为用户提供了接触复杂模型的可视化途径。

主要挑战

项目实施过程中面临的最大挑战是IPU（智能处理单元）的配置。由于复杂度较高，我无法在个人笔记本或Google Colab上成功运行，最终通过大量查阅谷歌和ChatGPT才得以解决。完成这一挑战后，我获得了强烈的成就感。