标签:

• 摘要生成
• mT5模型 数据集:
• csebuetnlp/xlsum 语言:
• 阿姆哈拉语
• 阿拉伯语
• 阿塞拜疆语
• 孟加拉语
• 缅甸语
• 中文
• 英语
• 法语
• 古吉拉特语
• 豪萨语
• 印地语
• 伊博语
• 印尼语
• 日语
• 基隆迪语
• 韩语
• 吉尔吉斯语
• 马拉地语
• 尼泊尔语
• 奥罗莫语
• 普什图语
• 波斯语
• 皮钦语
• 葡萄牙语
• 旁遮普语
• 俄语
• 苏格兰盖尔语
• 塞尔维亚语(西里尔)
• 僧伽罗语
• 索马里语
• 西班牙语
• 斯瓦希里语
• 泰米尔语
• 泰卢固语
• 泰语
• 提格里尼亚语
• 土耳其语
• 乌克兰语
• 乌尔都语
• 乌兹别克语
• 越南语
• 威尔士语
• 约鲁巴语 许可证:
• cc-by-nc-sa-4.0 示例输入:
• text: 公司表示，宣称获批疫苗危险且会导致自闭症、癌症或不孕的视频将被下架。该政策包括封禁反疫苗影响者的账号。科技巨头因未采取更多措施打击其平台上的虚假健康信息而受到批评。7月，美国总统拜登称社交媒体平台通过传播错误信息，对民众接种疫苗的怀疑态度负主要责任，并呼吁它们解决这一问题。谷歌旗下的YouTube表示，自去年实施禁止传播新冠疫苗错误内容的规定以来，已从其平台移除13万条视频。该公司在一篇博客文章中指出，关于新冠疫苗的错误说法已"蔓延至对其他疫苗的普遍误解"。新政策涵盖长期获批的疫苗，如麻疹或乙肝疫苗。文章提到世界卫生组织时称："我们正根据当地卫生部门和WHO批准并确认安全有效的现行接种疫苗新指南，扩展YouTube医疗错误信息政策。"

模型索引:

• 名称: csebuetnlp/mT5_multilingual_XLSum 结果:
  • 任务: 类型: 摘要生成 名称: 摘要生成 数据集: 名称: xsum 类型: xsum 配置: 默认 拆分: 测试集 指标:
    • 名称: ROUGE-1 类型: rouge 值: 36.5002 已验证: 是
    • 名称: ROUGE-2 类型: rouge 值: 13.934 已验证: 是
    • 名称: ROUGE-L 类型: rouge 值: 28.9876 已验证: 是
    • 名称: ROUGE-LSUM 类型: rouge 值: 28.9958 已验证: 是
    • 名称: 损失值 类型: loss 值: 2.0674800872802734 已验证: 是
    • 名称: 生成长度 类型: gen_len 值: 26.9733 已验证: 是

mT5多语言XLSum模型

本仓库包含基于XL-Sum数据集45种语言微调的mT5检查点。微调细节和脚本详见论文及官方仓库。

在transformers中使用该模型(测试版本4.11.0.dev0)

import re
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

WHITESPACE_HANDLER = lambda k: re.sub('\s+', ' ', re.sub('\n+', ' ', k.strip()))

article_text = """公司表示，宣称获批疫苗危险且会导致自闭症、癌症或不孕的视频将被下架...(示例原文)..."""

model_name = "csebuetnlp/mT5_multilingual_XLSum"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

input_ids = tokenizer(
    [WHITESPACE_HANDLER(article_text)],
    return_tensors="pt",
    padding="max_length",
    truncation=True,
    max_length=512
)["input_ids"]

output_ids = model.generate(
    input_ids=input_ids,
    max_length=84,
    no_repeat_ngram_size=2,
    num_beams=4
)[0]

summary = tokenizer.decode(
    output_ids,
    skip_special_tokens=True,
    clean_up_tokenization_spaces=False
)

print(summary)

基准测试

XL-Sum测试集得分如下：

引用

若使用本模型，请引用以下论文：

@inproceedings{hasan-etal-2021-xl,
    title = "{XL}-Sum：44种语言的大规模多语言摘要生成",
    author = "Hasan, Tahmid 等",
    booktitle = "ACL-IJCNLP 2021会议论文集",
    year = "2021",
    pages = "4693--4703",
}