Leaf-Question-Generation 项目使用教程

Leaf-Question-Generation 项目使用教程

Leaf-Question-Generation Easy to use and understand multiple-choice question generation algorithm using T5 Transformers. 项目地址: https://gitcode.com/gh_mirrors/le/Leaf-Question-Generation

1. 项目的目录结构及介绍

Leaf-Question-Generation/
├── app/
│   ├── ml_models/
│   │   ├── distractor_generation/
│   │   ├── question_generation/
│   │   └── sense2vec_distractor_generation/
│   └── api_gateway.py
├── training/
│   ├── distractor_generation.ipynb
│   └── question_generation.ipynb
├── .gitignore
├── LICENSE
├── README.md
├── api_gateway.py
├── main.py
└── requirements.txt

目录结构介绍

• app/: 包含项目的主要应用代码，特别是机器学习模型的相关代码。

  • ml_models/: 包含用于生成问题和干扰项的机器学习模型。
    • distractor_generation/: 用于生成干扰项的模型。
    • question_generation/: 用于生成问题和答案的模型。
    • sense2vec_distractor_generation/: 用于生成干扰项的sense2vec模型。
  • api_gateway.py: 提供REST API的入口文件。

• training/: 包含用于训练模型的Jupyter Notebook文件。

  • distractor_generation.ipynb: 用于训练生成干扰项的模型。
  • question_generation.ipynb: 用于训练生成问题和答案的模型。

• .gitignore: Git忽略文件，指定哪些文件或目录不需要被Git管理。

• LICENSE: 项目的开源许可证文件。

• README.md: 项目的介绍和使用说明。

• api_gateway.py: 提供REST API的入口文件。

• main.py: 项目的启动文件。

• requirements.txt: 项目依赖的Python包列表。

2. 项目的启动文件介绍

main.py

main.py 是项目的启动文件。它包含了项目的核心逻辑，负责初始化并启动整个应用程序。通过运行这个文件，可以启动项目的REST API服务，从而提供生成多选题的功能。

# main.py
from flask import Flask
from app.api_gateway import api_gateway

app = Flask(__name__)

app.register_blueprint(api_gateway)

if __name__ == "__main__":
    app.run(debug=True)

启动步骤

1. 确保已经安装了所有依赖包，可以通过运行 pip install -r requirements.txt 来安装。
2. 运行 python main.py 启动项目。

3. 项目的配置文件介绍

requirements.txt

requirements.txt 文件列出了项目运行所需的所有Python包及其版本。通过运行 pip install -r requirements.txt，可以一次性安装所有依赖包。

# requirements.txt
flask==2.0.1
transformers==4.11.3
torch==1.9.0
sense2vec==2.0.0

配置文件说明

• flask: 用于构建REST API的Web框架。
• transformers: 用于加载和使用预训练的T5 Transformer模型。
• torch: PyTorch深度学习框架，用于模型的训练和推理。
• sense2vec: 用于生成干扰项的词嵌入模型。

通过这些配置文件和启动文件，可以轻松地启动和配置Leaf-Question-Generation项目，生成多选题并提供REST API服务。

Leaf-Question-Generation Easy to use and understand multiple-choice question generation algorithm using T5 Transformers. 项目地址: https://gitcode.com/gh_mirrors/le/Leaf-Question-Generation