BART（大型模型），基于亚马逊评论（英语）微调

该BART模型最初在CNN-DailyMail数据集上进行预训练，后针对英文亚马逊网站购买评论进行了重新训练。此举旨在构建一个专门用于总结亚马逊网站用户评论的流程。

模型描述

根据HuggingFace介绍，BART是一种采用双向编码器（类似BERT）和自回归解码器（类似GPT）的Transformer编码器-编码器（序列到序列）模型。其预训练过程包含：(1) 通过任意噪声函数破坏文本；(2) 学习模型重建原始文本。

数据集

链接：亚马逊评论语料库

使用场景与限制

本模型专用于网站用户评论摘要生成。

使用方法

通过pipeline API调用示例：

from transformers import pipeline
summarizer = pipeline("summarization", model="mabrouk/amazon-review-summarizer-bart")
review = """ 我非常喜欢这本书。它采用循序渐进的方式引导读者了解IBM Q Experience平台、量子计算基础原理以及当前量子计算机存在的噪声问题。书中通过技术性介绍展示了如何通过官网GUI界面或本地Python代码使用IBM系统，提供了小型实践案例并启发创新思路。详细介绍了Qiskit软件模块——Terra、Aer、Ignis和Aqua，以及可供选择的后端计算资源。最后两章关于量子算法的内容尤为精彩。
"""
print(summarizer(review, min_length = 60))
>>> [{'summary': '本书是学习量子计算并编写首个程序的绝佳资源，也可用于提升编程技能。每章末的测验设计尤为贴心，能有效检验学习成果...'}]

参考文献

预训练模型：facebook/bart-large-cnn 微调数据集：亚马逊评论语料库