demeterchain 1.0.2

A set of data tools in Python

demeterchain

透過retriever檢索文章
並從文章中萃取答案

Installation

Install via PyPI

pip install demeterchain

為了避免下載過多無用套件
使用時須根據自己的需求自行安裝其他套件

流程簡介

建立retriever流程

graph TD;
讀取本地文件-->分割文件;
分割文件-->建立retriever;

檢索流程

graph TD;
使用者輸入問題-->Hyde["(可省略)使用HyDE擴增問題"];
Hyde-->檢索相關文章;
檢索相關文章-->從每篇檢索到的文章尋找答案;
從每篇檢索到的文章尋找答案-->Summary["(可省略)摘要並統整所有答案"];
Summary-->回傳結果;

使用說明

使用examples/demo.ipynb進行簡單測試
使用examples/complete_demo.ipynb進行完整測試

功能介紹

此處並不會介紹全部功能
僅針對部分功能進行介紹

TextSplitter

將文檔進行分割

• separator : 分割文檔時只能在遇到separator才進行分割，若不設定則會以長度進行分割
• chunk_size : 預期的分割文檔長度，當使用separator時可能會有比chunk_size長或短的結果出現
• chunk_overlap : 分割文檔之間重疊的長度

PyseriniBM25Retriever

使用Pyserini的bm25為基底的retriever
需安裝jdk11

sudo apt-get update
sudo apt-get install openjdk-11-jdk

與Pyserini, faiss-cpu

pip install pyserini==0.22.1 faiss-cpu==1.7.4

RankBM25Retriever

使用rank_bm25的BM25Okapi為基底的retriever
需安裝rank_bm25

pip install rank_bm25

QAModelConfig

設定讀取模型時的各種參數

• model_name_or_path : str，本地路徑或huggingface上模型的路徑，建議使用"NchuNLP/taide-qa"
• template : 建議直接參考examples/demo.ipynb
• device_map : str，模型要放在甚麼裝置
• dtype : str，模型讀取的型態，可使用float32, float16, bfloat16
• quantize : str，量化模型，提供以下兩種選擇
  • bitsandbytes : 等同於load_in_8bit
  • bitsandbytes-nf4 : 等同於load_in_4bit並使用nf4
• use_flash_attention : bool，是否啟用flash_attention_2，安裝方式
• noanswer_str : 建議直接參考examples/demo.ipynb
• noanswer_ids : 建議直接參考examples/demo.ipynb

QAConfig

設定檢索及回答問題時的各種參數

• retrieve_k : int，retriever檢索的篇數
• batch_size : int，模型同時處理的文章數量，請依照自身顯卡vram進行調整
• max_length : int，模型所能接受的最大長度，請依照自身顯卡vram進行調整，預設為768
• max_new_tokens : int，模型預測的最大長度
• num_beams : int, 生成過程中的答案數量，用來提升解碼的精準度
• answer_strategy : 如何決定一篇文章的答案
  • best : 模型預測的最佳結果
  • longest : 模型產生的答案中最長的一個