标签:

• 摘要生成
• 新闻 语言: tr 数据集:
• mlsum 小部件:
• 文本: "安卡拉警方针对汽车盗窃团伙展开的‘斧头’行动中，绰号‘斧头’的头目及7名成员被拘留。另一次行动中，3名嫌疑人在拆解被盗车辆时被警方突袭当场抓获。安卡拉省警察局安全分局汽车盗窃调查科在安卡拉共和国检察官办公室授权下，经过为期三个月的调查后发起此次行动。通过技术和实地追踪，警方锁定了‘斧头’团伙。跟踪该团伙的警力同时在安卡拉、科尼亚和安塔利亚展开同步行动，抓获了绰号‘斧头’的头目内贾提·D.及7名成员。调查发现，头目‘斧头’察觉被警方监视后数月未露面，并试图欺骗同伙。被移送司法机关的嫌疑人中，团伙头目内贾提·D.、费尔哈特·K.、阿塔坎·A.和泰丰·G.因涉及多起汽车盗窃记录，被值班治安法官下令逮捕收监，其余3名嫌疑人被采取司法管控措施释放。另一起案件中，阿尔廷达格区警方在调查两起汽车盗窃案后锁定3名嫌疑人，发现其计划在伊韦迪克废品市场仓库拆解两辆赃车。警方突袭仓库将3人当场抓获，经司法处理后，盗窃嫌疑人被值班法院裁定司法管控释放。"

基于土耳其语BERT2BERT（共享参数）的MLSUM TR摘要模型微调

模型架构

采用dbmdz/bert-base-turkish-cased（BERT土耳其语预训练模型）作为基础检查点

数据集

MLSUM是首个大规模多语言摘要数据集，收录来自在线新闻平台的150万篇以上文章/摘要对，涵盖法语、德语、西班牙语、俄语及土耳其语五种语言。结合CNN/每日邮报英语数据集，该资源为摘要研究社区开辟了跨语言研究新路径。基于前沿系统的对比分析揭示了现有偏差，凸显多语言数据集的应用价值。

MLSUM tu/tr数据集

性能指标

使用方式

import torch
from transformers import BertTokenizerFast, EncoderDecoderModel
device = 'cuda' if torch.cuda.is_available() else 'cpu'
ckpt = 'mrm8488/bert2bert_shared-turkish-summarization'
tokenizer = BertTokenizerFast.from_pretrained(ckpt)
model = EncoderDecoderModel.from_pretrained(ckpt).to(device)

def generate_summary(text):
    inputs = tokenizer([text], padding="max_length", truncation=True, max_length=512, return_tensors="pt")
    input_ids = inputs.input_ids.to(device)
    attention_mask = inputs.attention_mask.to(device)
    output = model.generate(input_ids, attention_mask=attention_mask)
    return tokenizer.decode(output[0], skip_special_tokens=True)
    
text = "输入文本..."
generate_summary(text)

由Manuel Romero/@mrm8488在Narrativa支持下开发

西班牙制造，倾注❤️打造