metadata
language: hu
thumbnail: null
tags:
- question-answering
- bert
widget:
- text: Melyik folyó szeli ketté Budapestet?
context: >-
Magyarország fővárosát, Budapestet a Duna folyó szeli ketté. A XIX.
században épült Lánchíd a dimbes-dombos budai oldalt köti össze a sík
Pesttel. A Várdomb oldalában futó siklóval juthatunk fel a budai Óvárosba,
ahol a Budapesti Történeti Múzeum egészen a római időkig visszavezetve
mutatja be a városi életet. A Szentháromság tér ad otthont a XIII. századi
Mátyás-templomnak és a Halászbástya lőtornyainak, amelyekből messzire
ellátva gyönyörködhetünk a városban.
- text: Mivel juthatunk fel az Óvárosba?
context: >-
Magyarország fővárosát, Budapestet a Duna folyó szeli ketté. A XIX.
században épült Lánchíd a dimbes-dombos budai oldalt köti össze a sík
Pesttel. A Várdomb oldalában futó siklóval juthatunk fel a budai Óvárosba,
ahol a Budapesti Történeti Múzeum egészen a római időkig visszavezetve
mutatja be a városi életet. A Szentháromság tér ad otthont a XIII. századi
Mátyás-templomnak és a Halászbástya lőtornyainak, amelyekből messzire
ellátva gyönyörködhetünk a városban.
MODEL DESCRIPTION
huBERT base model (cased) fine-tuned on SQuAD v1
- huBert model + Tokenizer: https://huggingface.co/SZTAKI-HLT/hubert-base-cc
- Hungarian SQUAD v1 dataset: Machine Translated SQuAD dataset (Google Translate API)
- This is a demo model. Date of publication: 2022.03.27.
Model in action
- Fast usage with pipelines:
from transformers import pipeline
qa_pipeline = pipeline(
"question-answering",
model="mcsabai/huBert-fine-tuned-hungarian-squadv1",
tokenizer="mcsabai/huBert-fine-tuned-hungarian-squadv1"
)
predictions = qa_pipeline({
'context': "Anita vagyok és Budapesten élek már több mint 4 éve.",
'question': "Hol lakik Anita?"
})
print(predictions)
# output:
# {'score': 0.9892364144325256, 'start': 16, 'end': 26, 'answer': 'Budapesten'}