语言: 英语 标签:

• BART模型
• 序列到序列
• 摘要生成 许可证: Apache-2.0 数据集:
• SAMSum对话数据集 示例输入:
• 文本: | 汉娜: 嘿，你有贝蒂的电话吗？ 阿曼达: 让我查查 阿曼达: 抱歉，找不到。 阿曼达: 问问拉里吧 阿曼达: 上次我们在公园时是他联系她的 汉娜: 我和他不熟 阿曼达: 别害羞，他人很好的 汉娜: 既然你这么说.. 汉娜: 还是你发信息给他吧 阿曼达: 直接发给他呀🙂 汉娜: 呃...好吧 汉娜: 拜拜 阿曼达: 再见 模型索引:
• 名称: bart-large-xsum-samsum 成果:
  • 任务: 名称: 抽象文本摘要 类型: 抽象文本摘要 数据集: 名称: "SAMSum语料库: 人工标注的对话摘要数据集" 类型: samsum 指标:
    • 名称: 验证集ROUGE-1 类型: rouge-1 值: 54.3921
    • 名称: 验证集ROUGE-2 类型: rouge-2 值: 29.8078
    • 名称: 验证集ROUGE-L 类型: rouge-l 值: 45.1543
    • 名称: 测试集ROUGE-1 类型: rouge-1 值: 53.3059
    • 名称: 测试集ROUGE-2 类型: rouge-2 值: 28.355
    • 名称: 测试集ROUGE-L 类型: rouge-l 值: 44.0953

bart-large-xsum-samsum模型

本模型通过在SAMSum数据集上微调facebook/bart-large-xsum获得。

使用方法

from transformers import pipeline

summarizer = pipeline("summarization", model="lidiya/bart-large-xsum-samsum")
conversation = '''汉娜: 嘿，你有贝蒂的电话吗？
阿曼达: 让我查查
阿曼达: 抱歉，找不到。
阿曼达: 问问拉里吧
阿曼达: 上次我们在公园时是他联系她的
汉娜: 我和他不熟
阿曼达: 别害羞，他人很好的
汉娜: 既然你这么说..
汉娜: 还是你发信息给他吧
阿曼达: 直接发给他呀🙂
汉娜: 呃...好吧
汉娜: 拜拜
阿曼达: 再见                                       
'''
summarizer(conversation)

训练过程

• 训练笔记本: https://colab.research.google.com/drive/1dul0Sg-TTMy9xZCJzmDRajXbyzDwtYx6?usp=sharing

性能指标