语言: 中文
数据集:

• x_sum

标签:

• 摘要生成
  许可证: mit

功能示例:

• 文本: "摘要: 受灾最严重地区之一牛顿斯图尔特的全部损失仍在评估中。霍伊克的修复工作正在进行，皮布尔斯郡许多道路仍因积水严重受阻。由于拉明顿高架桥受损，西海岸主干线列车面临中断。克里河泛滥涌入牛顿斯图尔特镇后，许多企业和住户遭受洪水侵袭。首席部长尼古拉·斯特金视察灾区时发现，洪水冲垮了挡土墙，淹没了主要商业街维多利亚街的多家商铺。受灾严重的肉桂咖啡馆老板珍妮特·泰特表示，洪水来袭后的多机构响应无可指摘，但认为本应加强预防性工程确保挡土墙稳固。'虽然理解邓弗里斯和尼斯河受到的广泛关注，但我们仿佛被遗忘了'她说道，并质疑预警发布后救援准备不足。与此同时，持续降雨使边境地区仍处于洪水警报状态。皮布尔斯灾情引发加强当地防洪设施的呼声，苏格兰边境议会官网已列出最严重受影响道路清单，敦促司机勿无视封路标志。工党苏格兰副领袖亚历克斯·罗利周一实地考察霍伊克灾情，对损失程度感到震惊，强调需加快制定防洪计划，立即保护脆弱区域并明确实施时间表。您是否受邓弗里斯-加洛韦或边境地区洪水影响？欢迎通过selkirk.news@bbc.co.uk或dumfries@bbc.co.uk分享经历与应对情况。"
  推理参数:
  最大长度: 150

新闻文本摘要模型

基于Transformer架构的轻量级预训练编码器-解码器模型，专为文本摘要任务优化。

该模型在BBC新闻数据集（极限摘要XSum数据集）上训练，输入长度512，输出长度150。

使用方法

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM  
tokenizer = AutoTokenizer.from_pretrained("minhtoan/t5-finetune-bbc-news")  
model = AutoModelForSeq2SeqLM.from_pretrained("minhtoan/t5-finetune-bbc-news")  
model.cuda()  
src = "摘要: [输入您的新闻文本]"  
tokenized_text = tokenizer.encode(src, return_tensors="pt").cuda()  
model.eval()  
summary_ids = model.generate(tokenized_text, max_length=150)  
output = tokenizer.decode(summary_ids[0], skip_special_tokens=True)  
output  

作者

范明全