语言:

• 俄语 许可证: MIT 推理参数: top_p: 0.9 示例:
• 文本: "俄罗斯人民友谊大学传染病系副教授谢尔盖·沃兹涅先斯基表示，俄罗斯可能出现新冠病毒变种'奥密克戎'，这可能导致一月份发病率上升。他指出，'德尔塔'变种导致的死亡病例比'奥密克戎'更多，正是在'德尔塔'背景下死亡率达到最高。" 示例标题: "新冠病毒"
• 文本: "英国媒体报道称，英国国防参谋长托尼·拉达金海军上将在参观重型武器机库时被要求模拟活动。命令称，士兵们被要求跑向车辆，打开所有舱口、枪栓，翻阅操作手册并检查车辆，仿佛正在进行功能测试以确保设备正常运行。" 示例标题: "英国"
• 文本: "播放音乐只需按下键盘按键。每个键对应一个特定的采样声音——包括沙锤和类似爆能枪射击的未来感音效。从众多音效中可以组合出自己的节奏模式，并观看带有动画几何图形的可视化效果。有趣的是，按空格键可以完全改变界面设计、屏幕颜色和采样声音的音效。" 示例标题: "科技"

keyT5. 基础（小型）版本

支持语言: 俄语

GitHub - text2keywords

预训练大型版本 | 预训练基础版本

使用方法

使用示例（代码返回关键词列表，可能存在重复）:

pip install transformers sentencepiece

from itertools import groupby
import torch
from transformers import T5ForConditionalGeneration, T5Tokenizer
model_name = "0x7194633/keyt5-large" # 或 0x7194633/keyt5-base
tokenizer = T5Tokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name)

def generate(text, **kwargs):
    inputs = tokenizer(text, return_tensors='pt')
    with torch.no_grad():
        hypotheses = model.generate(**inputs, num_beams=5, **kwargs)
    s = tokenizer.decode(hypotheses[0], skip_special_tokens=True)
    s = s.replace('; ', ';').replace(' ;', ';').lower().split(';')[:-1]
    s = [el for el, _ in groupby(s)]
    return s

article = """路透社报道称，由于'奥密克戎'和天气原因，取消了3600架次航班
1月2日取消航班数量最多的是美国航空公司
SkyWest和Southwest，每家都有超过400架次航班被取消。其中
1月2日取消的航班中，有超过2100架次是美国航班。此外还有超过6400
架次航班被延误。"""

print(generate(article, top_p=1.0, max_length=64))  
# ['航空运输', '航班取消', '取消航班', '航班取消', '取消航班', '航班取消']

训练

前往训练笔记本了解更多信息: