许可证：mit
任务标签：文本摘要
基础模型："facebook/bart-base"

模型ID说明文档

这是一个经过微调的模型，用于对各类软件日志进行摘要生成。

模型详情

BART是一种基于Transformer的编码器-解码器（序列到序列）模型，结合了双向（类似BERT）编码器和自回归（类似GPT）解码器。其预训练过程包含：(1) 通过任意噪声函数破坏文本；(2) 训练模型重建原始文本。

该模型在文本生成任务（如摘要、翻译）中表现优异，同时在文本理解任务（如分类、问答）中也有良好表现。

模型描述

本日志摘要模型专为日志语句的抽象摘要设计，基于Bart-base架构，并采用GPT-3.5生成的合成数据集进行训练。

使用示例

from transformers import pipeline  
from transformers import AutoTokenizer, TFAutoModelForSeq2SeqLM  

# 加载微调模型与分词器  
model = TFAutoModelForSeq2SeqLM.from_pretrained('VidhuMathur/bart-log-summarization')  
tokenizer = AutoTokenizer.from_pretrained('facebook/bart-base')  

# 创建摘要生成管道  
model_pipeline = pipeline("summarization", model=model, tokenizer=tokenizer)  

# 示例日志文本  
text = "summarize: 2023-11-15T19:39:02.238394189Z stderr F 2023-11-15 19:39:02,237 INFO [__main__] [server.py:32] [trace_id=6011fa67839c66d0d44542ec0f996416 span_id=8aed01d1fe2a3174 resource.service.name=00688f8f-1904-429a-80b9-06b2c92df17d trace_sampled=True] - executed query: SELECT * FROM profiles WHERE id = '1529' , time taken: 0:00:00.000541"  

# 生成摘要  
summary = model_pipeline(text)  

# 打印结果  
print(summary[0]['summary_text'])