{
  "nbformat": 4,
  "nbformat_minor": 0,
  "metadata": {
    "colab": {
      "name": "faq_bot.ipynb",
      "provenance": [],
      "collapsed_sections": []
    },
    "kernelspec": {
      "name": "python3",
      "display_name": "Python 3"
    },
    "language_info": {
      "name": "python"
    }
  },
  "cells": [
    {
      "cell_type": "code",
      "metadata": {
        "id": "30RU81xQGAzV"
      },
      "source": [
        "!pip install transformers razdel pymorphy2"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "fwREg80dEkFW"
      },
      "source": [
        "import requests\n",
        "from bs4 import BeautifulSoup\n",
        "import pandas as pd"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "jV57QpSREqIs",
        "outputId": "9e922b6d-ab3e-4c74-d015-63941a468e46"
      },
      "source": [
        "soup = BeautifulSoup(requests.get('https://ma.hse.ru/faq').text)\n",
        "questions = []\n",
        "answers = []\n",
        "for div in soup.findAll('div', {'class': 'faq'}):\n",
        "    questions.append(div.find('div', {'class': 'faq__question'}).text.strip())\n",
        "    answers.append(div.find('div', {'class': 'faq__answer'}).text.strip())\n",
        "print(len(questions))\n",
        "data = pd.DataFrame({'q': questions, 'a': answers})"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "48\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 220
        },
        "id": "7eeohcvFFamZ",
        "outputId": "f34bf598-cb15-4783-d192-1f26ebadbe55"
      },
      "source": [
        "pd.options.display.max_colwidth = 300\n",
        "data.sample(3)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/html": [
              "<div>\n",
              "<style scoped>\n",
              "    .dataframe tbody tr th:only-of-type {\n",
              "        vertical-align: middle;\n",
              "    }\n",
              "\n",
              "    .dataframe tbody tr th {\n",
              "        vertical-align: top;\n",
              "    }\n",
              "\n",
              "    .dataframe thead th {\n",
              "        text-align: right;\n",
              "    }\n",
              "</style>\n",
              "<table border=\"1\" class=\"dataframe\">\n",
              "  <thead>\n",
              "    <tr style=\"text-align: right;\">\n",
              "      <th></th>\n",
              "      <th>q</th>\n",
              "      <th>a</th>\n",
              "    </tr>\n",
              "  </thead>\n",
              "  <tbody>\n",
              "    <tr>\n",
              "      <th>43</th>\n",
              "      <td>Что делать, если я не могу пройти вступительные испытания в назначенный день? Есть ли запасной день?</td>\n",
              "      <td>Резервный день есть. Но учтите, что сдавать в резервный день можно только в том случае, если причина пропуска экзамена уважительная. Уважительной причиной считаются, например, документально подтверждённые болезнь, военные сборы или командировка на работе. А вот, например, сдача экзамена в другом...</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>22</th>\n",
              "      <td>Не получается зарегистрироваться в личном кабинете: не приходят логин и пароль. Куда обращаться?</td>\n",
              "      <td>В случае возникновения проблем с регистрацией в личном кабинете абитуриента, необходимо сообщить о проблеме в службу технической поддержки pkadmin3@hse.ru.</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>4</th>\n",
              "      <td>В какое время учатся магистранты? Можно ли совмещать учебу в магистратуре с работой?</td>\n",
              "      <td>Вы можете ознакомиться с расписанием прошлых лет на странице вашей программы и уточнить у менеджера программы, чего ожидать от расписания и учебного плана в ближайшем году.</td>\n",
              "    </tr>\n",
              "  </tbody>\n",
              "</table>\n",
              "</div>"
            ],
            "text/plain": [
              "                                                                                                       q                                                                                                                                                                                                                                                                                                            a\n",
              "43  Что делать, если я не могу пройти вступительные испытания в назначенный день? Есть ли запасной день?  Резервный день есть. Но учтите, что сдавать в резервный день можно только в том случае, если причина пропуска экзамена уважительная. Уважительной причиной считаются, например, документально подтверждённые болезнь, военные сборы или командировка на работе. А вот, например, сдача экзамена в другом...\n",
              "22      Не получается зарегистрироваться в личном кабинете: не приходят логин и пароль. Куда обращаться?                                                                                                                                                  В случае возникновения проблем с регистрацией в личном кабинете абитуриента, необходимо сообщить о проблеме в службу технической поддержки pkadmin3@hse.ru.\n",
              "4                   В какое время учатся магистранты? Можно ли совмещать учебу в магистратуре с работой?                                                                                                                                 Вы можете ознакомиться с расписанием прошлых лет на странице вашей программы и уточнить у менеджера программы, чего ожидать от расписания и учебного плана в ближайшем году."
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 4
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "OqF51xhoGGLX"
      },
      "source": [
        "Построим поиск похожих вопросов - в лоб. Обучим собственный векторизатор!"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "GhB5Amx7GHC5"
      },
      "source": [
        "from sklearn.pipeline import make_pipeline\n",
        "from sklearn.feature_extraction.text import TfidfVectorizer\n",
        "from sklearn.decomposition import TruncatedSVD\n",
        "from sklearn.neighbors import KDTree\n",
        "from sklearn.preprocessing import Normalizer\n",
        "from sklearn.base import BaseEstimator, TransformerMixin"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "Do8slNK2GWyS",
        "outputId": "f093de1e-f704-4b4c-99ef-21e3ed2e3c0f"
      },
      "source": [
        "vectorizer = make_pipeline(TfidfVectorizer(), TruncatedSVD(n_components=100), Normalizer())\n",
        "vectorizer.fit(pd.concat([data.q, data.a]))\n",
        "vectors = vectorizer.transform(data.q)\n",
        "print(vectors.shape)\n",
        "index = KDTree(vectors)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "(48, 96)\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "k-QOiDjyG7ja",
        "outputId": "833bb4df-e9d5-4109-9039-1191aa5a021c"
      },
      "source": [
        "distances, indices = index.query(vectorizer.transform(['Где находится приёмная комиссия?']), k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "26 1.4142135623730945 Нужно ли предоставлять в приёмную комиссию с пакетом документов приписное свидетельство или военный билет?\n",
            "5 1.4142135623730945 Существуют ли в магистратуре Вышки какие-либо льготы для инвалидов?\n",
            "6 1.4142135623730947 Есть ли заочная форма обучения?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "dcriMjrAH7zb"
      },
      "source": [
        "Лемматизируем!"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "eZQYq2dcILn7",
        "outputId": "72702eb7-371c-4b00-c419-7e92f0ebeb74"
      },
      "source": [
        "from pymorphy2 import MorphAnalyzer\n",
        "from razdel import tokenize\n",
        "\n",
        "morph = MorphAnalyzer()\n",
        "\n",
        "def word2lemma(word):\n",
        "    word = word.lower()\n",
        "    hyps = morph.parse(word)\n",
        "    if not hyps:\n",
        "        return word\n",
        "    nf = hyps[0].normal_form\n",
        "    return nf or word\n",
        "\n",
        "print(word2lemma('бегал'))\n",
        "print(word2lemma('>>>'))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "бегать\n",
            ">>>\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "GXcMGD-HJBKF",
        "outputId": "ad331d35-6cd8-4aba-e3cf-375f6a54d305"
      },
      "source": [
        "class Lemmer(BaseEstimator, TransformerMixin):\n",
        "    def fit(self, X, y=None):\n",
        "        return self\n",
        "    def transform(self, X):\n",
        "        return [' '.join(word2lemma(t.text) for t in tokenize(text)) for text in X]\n",
        "\n",
        "Lemmer().transform(['Где находится приёмная комиссия?'])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "['где находиться приёмная комиссия ?']"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 9
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "4lPlEOrwtIRT",
        "outputId": "b88f0eab-97c0-44ad-ecb3-3590af9be23e"
      },
      "source": [
        "Lemmer().transform(['какой адрес приёмной комиссии?'])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "['какой адрес приёмная комиссия ?']"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 10
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "8OSZpN92JMHD"
      },
      "source": [
        "vectorizer = make_pipeline(Lemmer(), TfidfVectorizer(), TruncatedSVD(n_components=100), Normalizer())\n",
        "vectorizer.fit(pd.concat([data.q, data.a]))\n",
        "vectors = vectorizer.transform(data.q)\n",
        "index = KDTree(vectors)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "UB11-DfFJNjK",
        "outputId": "93aeaa48-0fc9-421f-cc88-afb88986cb19"
      },
      "source": [
        "distances, indices = index.query(vectorizer.transform(['Где находится приёмная комиссия?']), k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "16 0.44849638069797765 Какой адрес у Приёмной комиссии?\n",
            "26 1.247588864371713 Нужно ли предоставлять в приёмную комиссию с пакетом документов приписное свидетельство или военный билет?\n",
            "13 1.4142135623730943 Смогу ли я приступить к очным занятиям в Вышке, если у меня нет сертификата вакцинации от COVID-19?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "2hC2oLVFJWJg",
        "outputId": "f1017728-d01c-429a-fdd6-903f50297866"
      },
      "source": [
        "distances, indices = index.query(vectorizer.transform(['Где находится приёмная комиссия?']), k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "16 0.44849638069797765 Какой адрес у Приёмной комиссии?\n",
            "26 1.247588864371713 Нужно ли предоставлять в приёмную комиссию с пакетом документов приписное свидетельство или военный билет?\n",
            "13 1.4142135623730943 Смогу ли я приступить к очным занятиям в Вышке, если у меня нет сертификата вакцинации от COVID-19?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "9Y4M02Y2Jh97",
        "outputId": "7c0943c2-53e0-4027-9c75-951f6ad461f4"
      },
      "source": [
        "distances, indices = index.query(vectorizer.transform(['какие документы нужны при поступлении?']), k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "25 0.8542354881250303 Нужна ли при подаче документов справка формы 086/у?\n",
            "39 1.1644463287698148 Какие льготы при поступлении полагаются дипломантам Олимпиады студентов и выпускников «Высшая лига», победителям и призёрам Всероссийской олимпиады студентов «Я – профессионал»)?\n",
            "17 1.1829462455695894 В какое количество вузов одновременно можно подавать документы в магистратуру?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "0Ha13GJ0JSzL"
      },
      "source": [
        "# предобученные трансформеры"
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "6clzrVoksZiV"
      },
      "source": [
        "`cointegrated/rubert-tiny` - маленькая, быстрая и глупая\n",
        "\n",
        "`DeepPavlov/rubert-base-cased-sentence` - средняя\n",
        "\n",
        "`sberbank-ai/sbert_large_nlu_ru` - большая, медленная и умная"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "cBumrmm1FBfB",
        "outputId": "bca77216-3ad0-4a50-a589-3387c13c488c"
      },
      "source": [
        "import torch\n",
        "from transformers import AutoTokenizer, AutoModel\n",
        "m = 'cointegrated/rubert-tiny'\n",
        "tokenizer = AutoTokenizer.from_pretrained(m)\n",
        "model = AutoModel.from_pretrained(m)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Some weights of the model checkpoint at cointegrated/rubert-tiny were not used when initializing BertModel: ['cls.predictions.transform.dense.bias', 'cls.predictions.transform.LayerNorm.weight', 'cls.predictions.transform.dense.weight', 'cls.predictions.decoder.weight', 'cls.predictions.decoder.bias', 'cls.seq_relationship.weight', 'cls.predictions.bias', 'cls.predictions.transform.LayerNorm.bias', 'cls.seq_relationship.bias']\n",
            "- This IS expected if you are initializing BertModel from the checkpoint of a model trained on another task or with another architecture (e.g. initializing a BertForSequenceClassification model from a BertForPreTraining model).\n",
            "- This IS NOT expected if you are initializing BertModel from the checkpoint of a model that you expect to be exactly identical (initializing a BertForSequenceClassification model from a BertForSequenceClassification model).\n"
          ],
          "name": "stderr"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "Q_eYlPgMJ_9n"
      },
      "source": [
        "import numpy as np\n",
        "\n",
        "def normalize(v):\n",
        "    return v / sum(v**2)**0.5"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "5PAt1FqZFZpS"
      },
      "source": [
        "def mean_pooling(model_output, attention_mask):\n",
        "    token_embeddings = model_output[0]  #First element of model_output contains all token embeddings\n",
        "    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()\n",
        "    sum_embeddings = torch.sum(token_embeddings ** 2 * input_mask_expanded, 1)\n",
        "    sum_mask = torch.clamp(input_mask_expanded.sum([1]), min=1e-9)\n",
        "    sums = sum_embeddings / sum_mask\n",
        "    return sums"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "qZkCJK4sJ17E"
      },
      "source": [
        "def embed_rubert(text, mean=False):\n",
        "    encoded_input = tokenizer(text, padding=True, truncation=True, max_length=128, return_tensors='pt')\n",
        "    with torch.no_grad():\n",
        "        model_output = model(**encoded_input)\n",
        "    if mean:\n",
        "        sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])\n",
        "    else:\n",
        "        sentence_embeddings = model_output[0][:, 0]\n",
        "    sentence_embeddings = torch.nn.functional.normalize(sentence_embeddings)\n",
        "    return sentence_embeddings[0].numpy()"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "OVjyALQrq02y",
        "outputId": "44ca5eb2-03b0-4a75-82ba-c1e1cfeaf252"
      },
      "source": [
        "sum(embed_rubert('hello')**2), sum(embed_rubert('hello') * embed_rubert('здравствуйте')), sum(embed_rubert('hello') * embed_rubert('самолёт'))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "(1.0000004561918558, 0.9066641638086708, 0.8826527225089436)"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 73
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "iLagioZ7J3Dr"
      },
      "source": [
        "vectors = np.stack([embed_rubert(t) for t in data.q])\n",
        "index = KDTree(vectors)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "G_lq9ha_KB8N",
        "outputId": "e58748a8-22d4-4eb4-97a5-c3f043d4f180"
      },
      "source": [
        "distances, indices = index.query(embed_rubert(['какие документы нужны при поступлении?'])[np.newaxis, :], k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "15 0.5027486633432314 Какие документы требуются для того, чтобы поступить в магистратуру ВШЭ?\n",
            "19 0.5593343985471899 Нужно ли нотариально заверять копии документов?\n",
            "41 0.5865392463804587 Из чего должно состоять портфолио? Как оно оценивается?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "mu1Eg68kKYkX",
        "outputId": "88153bae-0605-4b0b-dde3-d83a6f9c6ef8"
      },
      "source": [
        "distances, indices = index.query(embed_rubert(['где находится приемная комиссия'])[np.newaxis, :], k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "16 0.7612745905852856 Какой адрес у Приёмной комиссии?\n",
            "1 0.8167795118745597 Есть ли в магистратуре ВШЭ бюджетные места?\n",
            "32 0.8311538579698093 Каков проходной балл?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "2jp7a9zHKj4f",
        "outputId": "03da65b7-d934-4aca-81e9-2fc5da6f97eb"
      },
      "source": [
        "distances, indices = index.query(embed_rubert(['где находится вступительная коллегия'])[np.newaxis, :], k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "16 0.8380855011738012 Какой адрес у Приёмной комиссии?\n",
            "1 0.8381529445550144 Есть ли в магистратуре ВШЭ бюджетные места?\n",
            "32 0.8431039755180321 Каков проходной балл?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "cwQpZUyMrnF5",
        "outputId": "fe7d8245-63f2-4d45-e2e9-faa49d451a1e"
      },
      "source": [
        "distances, indices = index.query(embed_rubert(['как пройти в библиотеку'])[np.newaxis, :], k=3)\n",
        "for i, d in zip(indices[0], distances[0]):\n",
        "    print(i, d, data.q[i])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "0 0.7770798351769754 С чего начать поступление в Вышку?\n",
            "30 0.8257408236756344 Как можно получить образовательный кредит на обучение?\n",
            "32 0.8310525824918598 Каков проходной балл?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "5zo7ycSUKmIg"
      },
      "source": [
        "def respond(text):\n",
        "    distances, indices = index.query(embed_rubert([text])[np.newaxis, :], k=3)\n",
        "    if distances[0][0] > 0.77:\n",
        "        return f'Кажется, у меня нет ответа на ваш вопрос. Может быть, вы хотите знать, \"{data.q[np.random.choice(indices[0])]}\"?'\n",
        "    else:\n",
        "        return data.a[indices[0][0]]"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "tMXNmCqeLCkL",
        "outputId": "69e723a9-5f15-436b-acac-0bb0e50c4407"
      },
      "source": [
        "print(respond('как проехать до приемной комиссии'))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "НИУ ВШЭ: 101000, г. Москва, улица Мясницкая, дом 20 \n",
            "НИУ ВШЭ — Санкт-Петербург: 194100, г. Санкт-Петербург, ул. Кантемировская, д.3, к.1, лит А. \n",
            "НИУ ВШЭ — Нижний Новгород: 603155, г. Нижний Новгород, ул. Б. Печерская, д.25/12 \n",
            "НИУ ВШЭ — Пермь: 614070, г. Пермь, ул. Студенческая, д.38\n",
            "При подаче документов почтой не забудьте уведомить Приёмную комиссию об отправлении, отправив письмо с темой «ДОКУМЕНТЫ ПОЧТОЙ, МАГИСТРАТУРА» на электронный адрес pochta@hse.ru.\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "dXiSzc09LFJs",
        "outputId": "cef0459f-9c4b-443d-b5f3-d97b173b4aa1"
      },
      "source": [
        "print(respond('как пройти в библиотеку'))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Кажется, у меня нет ответа на ваш вопрос. Может быт, вы хотите знать, \"С чего начать поступление в Вышку?\"?\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "vVMuYkKrLOoX",
        "outputId": "99fa94f4-2d32-4991-d696-ec876624cdc2"
      },
      "source": [
        "print(respond('С чего начать поступление в Вышку?'))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "С выбора магистерской программы и осознания того, какие именно вступительные испытания нужны для поступления на конкретно эти программы. Перечень программ вы можете найти здесь, список вступительных испытаний — здесь.\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "-aY2oHr3sHeK"
      },
      "source": [
        ""
      ],
      "execution_count": null,
      "outputs": []
    }
  ]
}