Spaces:
Runtime error
Runtime error
File size: 3,441 Bytes
b71d7fc ba0e18e b71d7fc ba0e18e b71d7fc ba0e18e b71d7fc ba0e18e b71d7fc |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 |
---
title: ИИ-ассистент по истории
emoji: 🤖
colorFrom: purple
colorTo: blue
sdk: docker
pinned: false
license: mit
---
# 🤖 ИИ-ассистент по истории
Это интерактивное веб-приложение, разработанное с использованием [Streamlit](https://streamlit.io/), которое отвечает на вопросы по истории на русском языке. Приложение использует предобученную модель вопрос-ответа, а также методы поиска похожих вопросов/контекста для генерации ответов.
## 📌 Функциональность
- **Вопрос-ответ по истории**: Пользователь вводит вопрос по истории, и приложение пытается найти на него ответ, используя знания из датасета `Romyx/ru_QA_school_history`.
- **Предобработка текста**: Вопросы проходят очистку, токенизацию, лемматизацию (с использованием `spaCy`) и удаление стоп-слов (`NLTK`).
- **Поиск по схожести**: Используется TF-IDF векторайзер и косинусное сходство для поиска наиболее релевантного контекста в датасете.
- **Генерация ответа**: Найденный контекст и вопрос пользователя подаются в предобученную модель вопрос-ответа (["AlexKay/xlm-roberta-large-qa-multilingual-finedtuned-ru"](https://huggingface.co/AlexKay/xlm-roberta-large-qa-multilingual-finedtuned-ru)) для извлечения ответа.
## 🛠️ Технологии и инструменты
- **Python**
- **Streamlit**: для создания веб-интерфейса.
- **Transformers (Hugging Face)**: для загрузки и использования предобученной модели.
- **Datasets (Hugging Face)**: для загрузки датасета вопросов-ответов.
- **spaCy**: для лемматизации русского текста (`ru_core_news_lg`).
- **NLTK**: для токенизации и стоп-слов.
- **Scikit-learn**: для вычисления TF-IDF и косинусного сходства.
- **PyTorch**: бэкенд для моделей `transformers`.
- **BeautifulSoup**: для очистки HTML-тегов.
- **Docker**: для контейнеризации приложения.
- **Hugging Face Spaces**: для хостинга приложения.
## 🚀 Как использовать
1. Введите ваш вопрос по истории в поле ввода.
2. Нажмите кнопку **"Получить ответ"**.
3. Приложение обработает вопрос и покажет найденный ответ или сообщение о том, что ответ не найден.
## 📁 Структура репозитория
- `app.py`: Основной скрипт Streamlit-приложения.
- `Dockerfile`: Инструкции для сборки Docker-образа.
- `requirements.txt`: Список зависимостей Python.
--
|