标签:

• 摘要生成
• mT5模型 语言:
• 阿姆哈拉语
• 阿拉伯语
• 阿塞拜疆语
• 孟加拉语
• 缅甸语
• 中文
• 英语
• 法语
• 古吉拉特语
• 豪萨语
• 印地语
• 伊博语
• 印尼语
• 日语
• 基隆迪语
• 韩语
• 吉尔吉斯语
• 马拉地语
• 尼泊尔语
• 奥罗莫语
• 普什图语
• 波斯语
• 尼日利亚皮钦语
• 葡萄牙语
• 旁遮普语
• 俄语
• 苏格兰盖尔语
• 塞尔维亚语
• 僧伽罗语
• 索马里语
• 西班牙语
• 斯瓦希里语
• 泰米尔语
• 泰卢固语
• 泰语
• 提格里尼亚语
• 土耳其语
• 乌克兰语
• 乌尔都语
• 乌兹别克语
• 越南语
• 威尔士语
• 约鲁巴语 许可证:
• 知识共享署名-非商业性使用-相同方式共享4.0协议 小组件示例:
• 文本: "该公司表示，宣称获批疫苗危险并会导致自闭症、癌症或不孕的视频将被下架。该政策还包括终止反疫苗影响者的账户。科技巨头因未采取更多措施打击其平台上的虚假健康信息而受到批评。今年7月，美国总统乔·拜登表示，社交媒体平台通过传播错误信息，在很大程度上导致了人们对接种疫苗的怀疑，并呼吁它们解决这个问题。谷歌旗下的YouTube表示，自去年实施禁止传播有关新冠疫苗错误信息的内容以来，已从其平台删除了13万个视频。在一篇博客文章中，该公司表示，已发现关于新冠疫苗的错误说法“蔓延到关于疫苗的普遍错误信息”。新政策涵盖长期获批的疫苗，如麻疹或乙肝疫苗。“我们正在扩展YouTube上的医疗错误信息政策，新增关于目前接种的疫苗的指导方针，这些疫苗已获当地卫生部门和世界卫生组织批准并确认安全有效，”文章中提到世界卫生组织时说道。"

mT5-m2o-俄语-跨语言摘要

此仓库包含基于CrossSum数据集所有跨语言对微调的mT5多对一（m2o）模型检查点，目标摘要语言为俄语，即该模型尝试将任何语言撰写的文本摘要为俄语。微调细节和脚本详见论文及官方仓库。

在transformers中使用该模型（测试版本4.11.0.dev0）

import re
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

WHITESPACE_HANDLER = lambda k: re.sub('\s+', ' ', re.sub('\n+', ' ', k.strip()))

article_text = """该公司表示，宣称获批疫苗危险并会导致自闭症、癌症或不孕的视频将被下架。该政策还包括终止反疫苗影响者的账户。科技巨头因未采取更多措施打击其平台上的虚假健康信息而受到批评。今年7月，美国总统乔·拜登表示，社交媒体平台通过传播错误信息，在很大程度上导致了人们对接种疫苗的怀疑，并呼吁它们解决这个问题。谷歌旗下的YouTube表示，自去年实施禁止传播有关新冠疫苗错误信息的内容以来，已从其平台删除了13万个视频。在一篇博客文章中，该公司表示，已发现关于新冠疫苗的错误说法“蔓延到关于疫苗的普遍错误信息”。新政策涵盖长期获批的疫苗，如麻疹或乙肝疫苗。“我们正在扩展YouTube上的医疗错误信息政策，新增关于目前接种的疫苗的指导方针，这些疫苗已获当地卫生部门和世界卫生组织批准并确认安全有效，”文章中提到世界卫生组织时说道。"""

model_name = "csebuetnlp/mT5_m2o_russian_crossSum"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

input_ids = tokenizer(
    [WHITESPACE_HANDLER(article_text)],
    return_tensors="pt",
    padding="max_length",
    truncation=True,
    max_length=512
)["input_ids"]

output_ids = model.generate(
    input_ids=input_ids,
    max_length=84,
    no_repeat_ngram_size=2,
    num_beams=4
)[0]

summary = tokenizer.decode(
    output_ids,
    skip_special_tokens=True,
    clean_up_tokenization_spaces=False
)

print(summary)