语言: 中文
标签:

• 摘要生成

Pegasus模型

文档参见: 此处

原始TF 1代码库: 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: 摘要生成

以下内容复制自作者的自述文件。

混合与随机检查点

我们在C4和HugeNews数据集上训练了一个Pegasus模型，采用采样间隔句子比例，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”模型具有以下变化：

• 同时在C4和HugeNews上进行训练（数据集混合比例按其样本数量加权）。
• 训练步数为150万次而非50万次（我们观察到预训练困惑度收敛较慢）。
• 模型均匀采样15%至45%之间的间隔句子比例。
• 重要性句子采样时在重要性分数上添加20%的均匀噪声。
• 更新了SentencePiece分词器以支持编码换行符。

（*）由于分词和数据变化，wikihow和big_patent数据集的结果不可直接比较：

• wikihow数据集包含换行符（有助于段落分割），而C4和HugeNews模型的SentencePiece分词器未编码换行符，导致信息丢失。
• 我们更新了BigPatent数据集以保留大小写，同时调整了部分格式清理规则，详情请参考TFDS的变更记录。

“混合与随机”模型相较于论文中的pegasus-large模型的主要变更：

• 同时在C4和HugeNews上训练（按样本数加权混合）。
• 训练步数增至150万次（预训练困惑度收敛更慢）。
• 间隔句子比例均匀采样于15%-45%区间。
• 重要性句子采样时添加20%均匀噪声。
• 升级SentencePiece分词器以支持换行符编码。

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}  
}