ErikH commited on
Commit
fd18087
1 Parent(s): b2d683a

Update pages/bot.py

Browse files
Files changed (1) hide show
  1. pages/bot.py +14 -2
pages/bot.py CHANGED
@@ -71,14 +71,26 @@ def get_vectorstore():
71
 
72
  def get_llm_answer(user_question):
73
  #if os.path.exists("./Store"): #Nutzereingabe nur eingelesen, wenn vectorstore angelegt
74
- user_question = st.text_area("Stell mir eine Frage: ")
75
  #if os.path.exists("./Store"): #Nutzereingabe nur eingelesen, wenn vectorstore angelegt
 
76
  retriever=get_vectorstore().as_retriever()
77
  retrieved_docs=retriever.invoke(
78
  user_question
79
  )
 
 
 
 
 
80
 
81
- return retrieved_docs[0].page_content
 
 
 
 
 
 
82
 
83
  def main():
84
  st.set_page_config(
 
71
 
72
  def get_llm_answer(user_question):
73
  #if os.path.exists("./Store"): #Nutzereingabe nur eingelesen, wenn vectorstore angelegt
74
+ #user_question = st.text_area("Stell mir eine Frage: ")
75
  #if os.path.exists("./Store"): #Nutzereingabe nur eingelesen, wenn vectorstore angelegt
76
+ # Retriever sucht passende Textausschnitte in den PDFs (unformatiert)
77
  retriever=get_vectorstore().as_retriever()
78
  retrieved_docs=retriever.invoke(
79
  user_question
80
  )
81
+ # Top 3 Suchergebnisse des Retrievers als Context speichern
82
+ context=""+retrieved_docs[0].page_content+retrieved_docs[1].page_content+retrieved_docs[2].page_content
83
+ # Context bereinigen
84
+ context=context.replace("\n", " ")
85
+ context=context.replace("- ", "")
86
 
87
+ # Erstelle die Question Answering-Pipeline für Deutsch
88
+ qa_pipeline = pipeline("question-answering", model="deutsche-telekom/bert-multi-english-german-squad2", tokenizer="deutsche-telekom/bert-multi-english-german-squad2")
89
+
90
+ # Frage beantworten mit Q&A Pipeline
91
+ answer = qa_pipeline(question=question, context=context)
92
+
93
+ return answer["answer"]
94
 
95
  def main():
96
  st.set_page_config(