许可协议: MIT
数据集:

• Samsung/samsum
  语言:
• 英语
  任务标签: 文本摘要

英语对话摘要模型
预训练基础模型: BART-large-cnn
实现与微调脚本详见:
https://github.com/joceyngan/conversation_summarization

评估结果:

参考摘要是数据集中的真实摘要，生成摘要由本模型产生。

样例1:

原文:

A: 嗨Tom，明天下午忙吗？
B: 应该挺忙的，怎么了？
A: 能陪我去趟动物收容所吗？
B: 你想做什么？
A: 想给儿子领养只小狗。
B: 他肯定会很开心。
A: 是啊，我们讨论过很多次了，我觉得他现在准备好了。
B: 挺好的，养狗就像养小孩一样不容易 ;-)
A: 我打算给他选只小型犬。
B: 那种长不大的类型;-）
A: 还不会吃太多;-))
B: 你知道他喜欢哪种吗？
A: 当然，上周一带他去过，他指了只特别喜欢的。
B: 我猜你当时得硬拽他走吧。
A: 他当场就想带回家呢;-）。
B: 好奇他会取什么名字。
A: 他说要用去世仓鼠的名字——莱米，这孩子是摩托头乐队的铁粉:-)))

参考摘要:

A明天要去动物收容所为儿子领养小狗。他们上周一已去过收容所，儿子选好了小狗。

生成摘要:

A想给儿子领养小狗。B明天会陪他去收容所。A准备选小型犬。上周一带儿子去过，他非常喜欢。A打算给狗取名莱米。

样例2:

原文:

艾玛：我迷上这种圣诞日历了！太棒了！想给孩子买一个！
罗布：我小时候每年都收到！超爱的！
艾玛：记得里面都是巧克力！
劳伦：现在不一样啦！精致多了！哈哈！
罗布：有布料/木质的，商店买的/手工的，里面装各种小东西
艾玛：一般放什么呢？
劳伦：小玩具、圣诞装饰、手工材料、发饰、贴纸、文具、拼图、糖果
艾玛：哇！太棒了！X
劳伦：我还会放特别纸条——让孩子为他人做件好事
罗布：这创意好！我妹妹放的是圣诞知识问答
劳伦：我觉得能让孩子更期待圣诞节
艾玛：还能传承传统，培养善心
劳伦：我家孩子每次收到都超兴奋！
艾玛：完全理解！:)

参考摘要:

艾玛和罗布喜欢圣诞日历。劳伦会在日历里放各种物品，比如小玩具和圣诞装饰。她的孩子们收到日历时总是很兴奋。

生成摘要:

艾玛喜爱圣诞日历。罗布童年时每年都收到。艾玛想给孩子购买。罗布的妹妹会准备圣诞问答。劳伦的孩子们每次收到都兴奋不已。

样例3:

原文:

杰姬：麦迪逊怀孕了
杰姬：但她不想谈这事
伊基：为什么
杰姬：不清楚，她就是不愿讨论
伊基：好吧
杰姬：提前告诉你是因为大家会追问不停
杰姬：她看起来焦虑多过开心
伊基：可能在担心吧
伊基：她对所有责任都很认真
杰姬：可能是经济或感情问题
伊基：或许她想流产
杰姬：也可能都有
伊基：知道吗？
伊基：我朋友怀孕时，我就是高兴不起来
杰姬：为什么？
伊基：觉得他们不成熟，无法想象他们当父母
杰姬：帕特里夏婚礼时我也有同感
伊基：帕特里夏·史蒂文斯？
杰姬：对
伊基：看来我们在说同一个人
杰姬：真巧
杰姬：所以她怀孕了？
伊基：她以为自己怀了
杰姬：天啊...

参考摘要:

麦迪逊怀孕但不愿谈论。帕特里夏·史蒂文斯结婚了，她曾以为自己怀孕。

生成摘要:

麦迪逊怀孕了。她拒绝讨论此事。伊基的朋友帕特里夏·史蒂文斯曾怀孕，伊基对此并不看好。她觉得那对伴侣不够成熟，不适合为人父母。

样例4:

原文:

玛拉：<文件_照片>
玛拉：看我床底下发现了什么
琪琪：笑死
塔玛拉：谁的內裤？
玛拉：肯定不是我的，我屁股大但没这么夸张
琪琪：像是男式內裤
塔玛拉：也可能是女同在你房间嗨过头了
玛拉：约完炮留下內裤？这些人有病吧
琪琪：可能是嗨晕了没注意
塔玛拉：或者是故意恶心你
玛拉：太幼稚了
琪琪：这么幼稚肯定是你妹妹干的
玛拉：她才13岁，內裤全是粉色的
塔玛拉：前男友的？
琪琪：她会认出来的
玛拉：我们居然在破案分析一条內裤XD
琪琪：<文件_gif>
塔玛拉：笑死
塔玛拉：肯定是你妹妹打赌让人放的
玛拉：有道理
琪琪：塔玛拉你破案了！
塔玛拉：<文件_gif>
塔玛拉：乐意为助

参考摘要:

玛拉在床下发现一条男式內裤。

生成摘要:

玛拉在床下发现一条內裤。琪琪、塔玛拉和玛拉嘲笑有人约炮后落下內裤。玛拉认为这是她妹妹打赌让人放的恶作剧。

样例5:

原文:

罗伯特：把之前说的乐器店地址发我
罗伯特：要买吉他线
弗雷德：<文件_其它>
弗雷德：谷歌地图自己查
罗伯特：谢了兄弟
弗雷德：不客气

参考摘要:

罗伯特让弗雷德发送乐器店地址，他需要购买吉他线。

生成摘要:

弗雷德提供乐器店地址给需要购买吉他线的罗伯特。地址可通过谷歌地图查找。罗伯特必须去该店购买吉他线。弗雷德发送了地址链接。

微调参数:

{
    输出目录=str(结果路径),
    评估策略="每轮",
    保存策略="每轮",
    日志间隔=10,
    学习率=2e-5,
    单设备训练批大小=2,
    单设备评估批大小=2,
    训练轮数=3,
    权重衰减=0.01,
    报告至="tensorboard",
    最大保存数=3,
    结束时加载最佳模型=True,
    最佳模型指标="评估损失",
    指标越大越好=False,
    日志目录=str(结果路径),
}

使用方式:

分词器 = BartTokenizer.from_pretrained('facebook/bart-large-cnn')
模型 = BartForConditionalGeneration.from_pretrained('jngan/bart-large-cnn-samsum')