标签:

• 摘要生成
• 新闻 语言: 法语 数据集:
• mlsum 小部件示例:
• 文本: "2019年6月1日爆炸后立即出现的烟雾云。6月1日周六，俄罗斯中部一家大型炸药厂发生的爆炸造成至少79人受伤。爆炸发生在下诺夫哥罗德州杰尔任斯克的Kristall工厂，该市位于莫斯科以东约400公里处。紧急服务部门发言人表示：'其中一个车间发生了技术性爆炸，随后引发火灾，蔓延面积达百余平方米。'社交媒体流传的画面显示爆炸后升腾起巨大烟云。据市政当局称，爆炸导致工厂五栋建筑及近180栋居民楼受损。相关部门已就潜在安全规范违规展开调查。弹片伤情国际文传电讯社援引卫生部门发言人的话称，伤者均因爆炸产生的碎片受伤接受治疗。'伤者主要为中度和轻度弹片伤'该发言人补充道。Kristall工厂代表表示，爆炸发生时该区域有五名工作人员，已全部安全撤离。当地消防部门称未收到仍有人员被困厂内的报告。"

基于MLSUM法语数据集微调的共享式法语RoBERTa2RoBERTa摘要模型

模型架构

采用camembert-base（RoBERTa检查点）

数据集

MLSUM是首个大规模多语言摘要数据集，从在线新闻报纸采集，包含超150万篇五种语言（法语、德语、西班牙语、俄语、土耳其语）的新闻/摘要配对数据。结合CNN/每日邮报的英语数据，构成了可推动文本摘要领域新研究方向的多语言数据集。我们基于前沿系统的跨语言对比分析揭示了现有偏差，这促使多语言数据集的使用具有必要性。 MLSUM法语子集

性能指标

使用示例

import torch
from transformers import RobertaTokenizerFast, EncoderDecoderModel
device = 'cuda' if torch.cuda.is_available() else 'cpu'
ckpt = 'mrm8488/camembert2camembert_shared-finetuned-french-summarization'
tokenizer = RobertaTokenizerFast.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 = "2019年6月1日爆炸后立即出现的烟雾云...(原文全文)"

generate_summary(text)
# 输出: 爆炸发生在下诺夫哥罗德州杰尔任斯克的Kristall工厂，该市位于莫斯科以东约400公里处。

由Manuel Romero/@mrm8488在Narrativa支持下开发 西班牙制造，倾注❤️打造