Skip to main content

this package allows the user to connect with the LIFR model

Project description

#LIFR Ce module permet de générer une réponse en se basant sur une base de données de texte fournie et un début de réponse donné. Le résultat peut être une nouvelle phrase ou une réponse qui s'adapte aux données mathématiques fournies.

Comment faire des operations avec LIFR

Pour calculer une operation, la stocker dans une variable et afficher le résultat.
[nom de la variable]=a*b=[a]*[b]=#
  • En premier lieu, nous définissons la variable dans laquelle la valeur sera stockée.
  • Ensuite, nous attribuons les valeurs numériques et effectuons les calculs avec ces variables.
  • Enfin, le hashtag sera remplacé par la valeur du calcul.

Quelques conditions que le module peut utiliser :

  • [x1]>[x2] : Cette condition permet de favoriser le texte qui suit si la valeur de x1 est strictement supérieure à la valeur de x2.
  • [x1]<[x2] : Cette condition permet de favoriser le texte qui suit si la valeur de x1 est strictement inférieure à la valeur de x2.
  • [novalue] : Si la chaîne de caractères qui suit cette expression n'est pas présente dans les valeurs données ou créées, le texte qui suit cette condition sera favorisé.
  • [novalue] : Si la chaîne de caractères qui suit cette expression est présente dans les valeurs données ou créées, le texte qui suit cette condition sera favorisé.
  • [break] : Cette condition permet d'arrêter la génération d'un texte, indiquant que le processus doit se terminer à cet endroit.
  • [assemble] : Si le programme ne trouve pas de mot qui suit, il rajoutera le mot après la balise [assemble], utile pour faire un effet de liste.
  • [change/:/ : la fonction [change/:/text à changer/:/à quoi le text doit être changé les charactères qui doivent être changé doivent être accompagné d'un espace avant et après dans le text ou les modifications seront effectuées.

comment importer le module:

from LIFR import LIFR

Exemple

Exemple donné à LIFR avec le texte suivant :

la valeur données [x1]>6 est donc plus grande que 6 [break] la valeur données [x1]<6 n'est donc pas plus grande que 6 [break]

par exemple:

print(LIFR.generate(({"data":"""la valeur données [x1]>6 est donc plus grande que 6 [break]\n la valeur données [x1]<6 nest donc pas plus grande que 6 [break]""","variable":{"[x1]":"2"}}))["text"])

la fonction generate renvoie un dictionnaire composé de:

text: le text généré output: des informations sur le déroulement du procésus divisé en 2 sous parties: score_output:information sur le scorage des mots et de pourquoi ils ont étaient choisis maths-compare:informations sur le changement des variables en nombre pour ensuite verifier une condition mathématique

On peut aussi appeler la fonction LIFR.search() pour generer une réponse approprié à la question.

print(search({"ask":"Quelles sont les dimensions rectangle dont le perimetre est egal a 34 cm et d'une aire a 60 cm2"})["text"])

Deux approches distinctes pour la sélection des données en relation avec le sujet.

  • Vérifie si la demande de l'utilisateur est présente au début d'un paragraphe d'une liste de paragraphes, puis poursuit en se basant sur les divers paragraphes sélectionnés pour étoffer sa rédaction.
  • associe des motifs d'entrée spécifiques (présent dans une liste) à des réponses ou contenus correspondants. Lorsque l'utilisateur entre des mots-clés qui correspondent, le programme peut alors retourner la réponse correspondante de l'élément. Cela permet de créer des réponses automatisées en fonction des entrées de l'utilisateur.

les differentes clefs des modules

search:

  • ask question auquel le programme doit répondre
  • variable liste de variable mathematique
  • context une chaine de charactères pouvant correspondre aux questions et au réponses d'avant ou autre contenu permettant de donner un context et à aider à donner les réponses les plus satisfaisantes.

generate:

  • creative: permet de générer des phrases se basant plus ou moins sur les textes données.
  • data: liste de liste de chaine de charatères correspondant aux phrases pouvant être utilisé par le modèle pour générer une réponse. ex:[["phrase1"],["phrase2"]...["phrase n"]]
  • good: Exemple de parties de phrases n'ayant pas une formulation correcte, sous forme d'une liste de chaînes de caractères.
  • bad: Exemple de parties de phrases ayant une formulation correcte qui seront promues par le système, sous forme d'une liste de chaînes de caractères.
  • variable: definissement de differentes variables sous la forme d'un dictionnaire dont la clef est la variable et la valeur, la valeur de la variable.

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

lifr-0.0.10.tar.gz (4.7 kB view details)

Uploaded Source

Built Distribution

lifr-0.0.10-py3-none-any.whl (4.8 kB view details)

Uploaded Python 3

File details

Details for the file lifr-0.0.10.tar.gz.

File metadata

  • Download URL: lifr-0.0.10.tar.gz
  • Upload date:
  • Size: 4.7 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/4.0.2 CPython/3.11.0

File hashes

Hashes for lifr-0.0.10.tar.gz
Algorithm Hash digest
SHA256 8d427a722c3f8753b2032d88fd3fd2b472618855cd741f6f6e24fd2ded4e32f6
MD5 daa5a40f3fe2c10cb36ee9bd49e9016d
BLAKE2b-256 7552909e03dec184f0ea33c26de0aa90551b777c49e67ed551ad9545f627f611

See more details on using hashes here.

File details

Details for the file lifr-0.0.10-py3-none-any.whl.

File metadata

  • Download URL: lifr-0.0.10-py3-none-any.whl
  • Upload date:
  • Size: 4.8 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/4.0.2 CPython/3.11.0

File hashes

Hashes for lifr-0.0.10-py3-none-any.whl
Algorithm Hash digest
SHA256 dfe5364ea433448f1262928eb2ff18c4a3310edbfaf6548e5d84dcbce017ee2d
MD5 365feaa1195f795e960e841ecf2a90f1
BLAKE2b-256 1acb89e9d840ecf2b2f206b02cf5f4961d0ee3d6c121a706fbfd3940bb3ceb4f

See more details on using hashes here.

Supported by

AWS AWS Cloud computing and Security Sponsor Datadog Datadog Monitoring Fastly Fastly CDN Google Google Download Analytics Microsoft Microsoft PSF Sponsor Pingdom Pingdom Monitoring Sentry Sentry Error logging StatusPage StatusPage Status page