Pegasus模型

查看文档：此处

原始TF 1代码：此处

作者：张靖清、赵耀、Mohammad Saleh和Peter J. Liu，2019年12月18日

维护者：@sshleifer

任务：文本摘要

以下内容复制自作者README。

混合与随机检查点

我们通过在C4和HugeNews数据集上采样不同的句子间隔比例训练了一个Pegasus模型，并随机采样重要句子。更新后的结果如下表所示。

“混合与随机”模型包含以下变化：

• 同时在C4和HugeNews上训练（数据集混合比例按其样本数量加权）。
• 训练150万步而非50万步（我们观察到预训练困惑度收敛较慢）。
• 模型均匀采样15%至45%之间的句子间隔比例。
• 重要性句子采样时对重要性分数添加20%的均匀噪声。
• 更新了SentencePiece分词器以支持编码换行符。

（*）wikihow和big_patent数据集的结果不可直接比较，因为分词和数据发生了变化：

• wikihow数据集包含换行符，这对段落分割很有用，而C4和HugeNews模型的SentencePiece分词器未编码换行符，丢失了这一信息。
• 我们更新了BigPatent数据集以保留大小写，同时修改了一些格式清理，详情请参考TFDS的变更。

“混合与随机”模型相较于论文中的pegasus-large有以下变化：

• 同时在C4和HugeNews上训练（数据集混合比例按其样本数量加权）。
• 训练150万步而非50万步（我们观察到预训练困惑度收敛较慢）。
• 模型均匀采样15%至45%之间的句子间隔比例。
• 重要性句子采样时对重要性分数添加20%的均匀噪声。
• 更新了SentencePiece分词器以支持编码换行符。

引用

@misc{zhang2019pegasus,
    title={PEGASUS: 基于抽取间隔句子的抽象摘要预训练},
    author={张靖清 and 赵耀 and Mohammad Saleh and Peter J. Liu},
    year={2019},
    eprint={1912.08777},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}