12

app.py

@@ -10,16 +10,32 @@ data = dataset['train']
 qa_pipeline = pipeline("question-answering", model="deepset/roberta-base-squad2")
 
 # Функция для обработки запросов
-def answer_question(query):
-    best_answer = ""
+def answer_question(query, confidence_threshold=0.1):
+    best_answer = None
+    highest_score = 0
+    
+    # Проходим по всем текстам в dataset и находим лучший ответ
     for item in data:
-        context = item['output']  # Пример: извлекаем ответ из поля 'output'
+        context = item['text']  # Используем 'text' из dataset
         result = qa_pipeline(question=query, context=context)
-        if result["score"] > 0.1:  # Порог уверенности
+        
+        # Если уверенность выше порога, обновляем лучший ответ
+        if result["score"] > confidence_threshold and result["score"] > highest_score:
             best_answer = result["answer"]
-            break
+            highest_score = result["score"]
+
+    # Если ответа нет, возвращаем сообщение
+    if best_answer is None:
+        return "Извините, я не нашел подходящего ответа."
+    
     return best_answer
 
 # Интерфейс Gradio
-iface = gr.Interface(fn=answer_question, inputs="text", outputs="text")
-iface.launch()
+iface = gr.Interface(fn=answer_question, 
+                     inputs=["text", gr.Slider(minimum=0.0, maximum=1.0, step=0.01, default=0.1, label="Confidence Threshold")], 
+                     outputs="text",
+                     live=True,
+                     title="AI Question Answering",
+                     description="Задайте вопрос, и модель постарается найти лучший ответ, используя данные.")
+
+iface.launch(share=True)

test-dataset.py

@@ -0,0 +1,7 @@
+from datasets import load_dataset
+
+# Загружаем dataset по URL
+dataset = load_dataset("adiom/ai-dataset")
+
+# Проверяем структуру данных
+print(dataset)