语言:

• 荷兰语(nl)

标签:

• mbart
• bart
• 文本摘要

数据集:

• ml6team/cnn_dailymail_nl

管道任务:

• 文本摘要

示例输入:

• 文本1: '四月底，一名重伤男童被送往马斯特里赫特医院。三周后，该儿童因伤势过重去世。调查尚未明确婴儿具体伤情及受伤原因。警方正在其父母住所展开搜查。据1Limburg报道，调查完成时间尚未确定。嫌疑人目前行动受限，仅允许与律师接触。'
• 文本2: '据德弗里斯表示，这是"荷兰有史以来最高悬赏金额"。NH新闻称，基金会已开通捐款网站。德弗里斯强调该倡议也适用于其他悬赏线索的案件。"这不是一次性行动"。他透露这是首次建立此类机制——1993年8月，18岁的坦娅·格罗恩在马斯特里赫特大学新生周期间失踪，最后一次露面是在离开派对后。若在世今日应满46岁。格罗恩的父母出席了发布会："27年来他们无法为女儿庆生，这种煎熬的不确定性折磨着他们。虽然相信女儿已遇害，但那微茫的希望仍在啃噬心灵。年事已高的他们有权知晓真相，最恐惧的是永远无法了解孩子遭遇。"德弗里斯计划一年内筹足百万欧元，不足则按实筹金额悬赏，超额部分将用于其他案件悬赏。该倡议获警方和司法部门支持。近年多次大规模搜索均无果，上周在北布拉班特Strabrechtse Heide的搜索同样未获线索。'

mbart-large-cc25-cnn-dailymail-nl

模型说明

基于mbart的微调版本。我们撰写了关于该模型的技术博客

使用场景与限制

专为荷兰语新闻摘要设计

调用方式

import transformers
undisputed_best_model = transformers.MBartForConditionalGeneration.from_pretrained(
    "ml6team/mbart-large-cc25-cnn-dailymail-nl-finetune"
)
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 = "请摘要这段文字"  # 荷兰语
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"]

训练数据

基于mbart模型，使用该数据集及另一个网络爬取的未开源小规模数据集进行微调。更多信息详见我们的技术博客