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 小部件示例:
• 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。该政策包括封禁反疫苗影响者的账号。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。7月，美国总统乔·拜登称社交媒体平台通过传播错误信息，对民众接种疫苗的怀疑态度负主要责任，并呼吁它们解决此问题。谷歌旗下的YouTube表示，自去年实施禁止传播新冠疫苗不实内容的规定以来，已从其平台移除13万个视频。在一篇博客文章中，该公司称已观察到关于新冠疫苗的错误主张'蔓延至对疫苗的普遍误解'。新政策涵盖长期获批的疫苗，如麻疹或乙肝疫苗。'我们正扩展YouTube的医疗错误信息政策，新增关于当前接种疫苗的指南，这些疫苗经当地卫生部门和世界卫生组织批准并确认安全有效。'文章提到世界卫生组织时如是说。"

mT5-m2o-印地语-CrossSum

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）检查点模型，其目标摘要语言为印地语，即该模型旨在将任何语言撰写的文本摘要为印地语。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。该政策包括封禁反疫苗影响者的账号。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。7月，美国总统乔·拜登称社交媒体平台通过传播错误信息，对民众接种疫苗的怀疑态度负主要责任，并呼吁它们解决此问题。谷歌旗下的YouTube表示，自去年实施禁止传播新冠疫苗不实内容的规定以来，已从其平台移除13万个视频。在一篇博客文章中，该公司称已观察到关于新冠疫苗的错误主张'蔓延至对疫苗的普遍误解'。新政策涵盖长期获批的疫苗，如麻疹或乙肝疫苗。'我们正扩展YouTube的医疗错误信息政策，新增关于当前接种疫苗的指南，这些疫苗经当地卫生部门和世界卫生组织批准并确认安全有效。'文章提到世界卫生组织时如是说。"""

model_name = "csebuetnlp/mT5_m2o_hindi_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)