🚀 mbart-large-cc25-cnn-dailymail-nl

该模型是基于 mbart 微调而来，可用于荷兰语新闻文章的摘要生成，为荷兰语新闻内容的处理提供了高效的解决方案。

🚀 快速开始

此模型专为荷兰语新闻文章的摘要生成而设计。以下是使用该模型进行摘要生成的示例代码：

import transformers

undisputed_best_model = transformers.MBartForConditionalGeneration.from_pretrained(
    "ml6team/mbart-large-cc25-cnn-dailymail-nl"
)
tokenizer = transformers.MBartTokenizer.from_pretrained("facebook/mbart-large-cc25")
summarization_pipeline = transformers.pipeline(
    task="summarization",
    model=undisputed_best_model,
    tokenizer=tokenizer,
)
summarization_pipeline.model.config.decoder_start_token_id = tokenizer.lang_code_to_id[
    "nl_XX"
]

article = "Kan je dit even samenvatten alsjeblief."  # Dutch
summarization_pipeline(
    article,
    do_sample=True,
    top_p=0.75,
    top_k=50,
    # num_beams=4,
    min_length=50,
    early_stopping=True,
    truncation=True,
)[0]["summary_text"]

✨ 主要特性

• 基于 mbart 进行微调，继承了其强大的语言处理能力。
• 专门针对荷兰语新闻文章的摘要生成任务进行优化。

📦 安装指南

文档未提及具体安装步骤，若使用该模型，可参考 transformers 库的安装方法。

💻 使用示例

基础用法

import transformers

undisputed_best_model = transformers.MBartForConditionalGeneration.from_pretrained(
    "ml6team/mbart-large-cc25-cnn-dailymail-nl"
)
tokenizer = transformers.MBartTokenizer.from_pretrained("facebook/mbart-large-cc25")
summarization_pipeline = transformers.pipeline(
    task="summarization",
    model=undisputed_best_model,
    tokenizer=tokenizer,
)
summarization_pipeline.model.config.decoder_start_token_id = tokenizer.lang_code_to_id[
    "nl_XX"
]

article = "Kan je dit even samenvatten alsjeblief."  # Dutch
summarization_pipeline(
    article,
    do_sample=True,
    top_p=0.75,
    top_k=50,
    # num_beams=4,
    min_length=50,
    early_stopping=True,
    truncation=True,
)[0]["summary_text"]

📚 详细文档

我们撰写了一篇关于此模型的 博客文章，你可以 点击此处 查看。

🔧 技术细节

该模型是对 mbart 进行微调得到的，使用了 ml6team/cnn_dailymail_nl 数据集进行训练。

📄 信息表格