Upload app.py

app.py

@@ -38,7 +38,7 @@ orange = [197/255, 90/255, 17/255]
 
 # Pipelines definieren
 en_de_translator = pipeline("translation_de_to_en", model='google/bert2bert_L-24_wmt_de_en')
-
+qa_pipeline = pipeline("question-answering", model='deepset/gelectra-base-germanquad')
 
 tab1, tab2, tab3, tab4 = st.tabs(
     ["Künstliche Neuronale Netze", "Wortvektoren Stimmung", "Wörter Maskieren", "Demos"])
@@ -366,3 +366,18 @@ with tab4:
 
             a5 = en_de_translator(string_3)
             st.text(a5)
+
+    st.text('')
+    text_input_4 = 'Was ist der Schwerpunkt?'
+
+    string_4 = st.text_area('Frage zum Kontext beantworten', value=text_input_4, height=25)
+
+    text_input_5 = 'Wir ünterstützen Unternehmen bei der Datenanalyse durch individuelle Beratung und Projekte mit besonderem Fokus auf maschinelles Lernen und Deep Learning.'
+
+    string_5 = st.text_area('Kontext', value=text_input_5, height=75)
+
+    if st.button('Ein fertig trainiertes Transformer-Modell von HuggingFace anwenden', key=4):
+        with st.spinner('Die Beantwortung der Frage kann einige Sekunden dauern ...'):
+
+            a5 = qa_pipeline(question=string_4, context=string_5)
+            st.text(a5)