语言: 中文
标签:

• 摘要生成

Pegasus模型

文档参见：此处

原始TF 1代码库：此处

作者：张靖清、赵耀、Mohammad Saleh 和 Peter J. Liu，2019年12月18日

维护者：@sshleifer

任务：摘要生成

以下内容复制自作者的自述文件。

混合与随机检查点

我们在C4和HugeNews数据集上训练了一个Pegasus模型，采用采样后的间隔句子比例，并随机采样重要句子。更新后的结果如下表所示。

“混合与随机”模型具有以下改进：

• 同时在C4和HugeNews上训练（数据集混合比例按其样本数量加权）。
• 训练步数增至150万而非50万（观察到预训练困惑度收敛速度较慢）。
• 模型均匀采样15%至45%之间的间隔句子比例。
• 重要性句子采样时对重要性分数添加20%的均匀噪声。
• 更新了SentencePiece分词器以支持编码换行符。

（*）由于分词方式和数据变更，wikihow和big_patent数据集的结果不可直接比较：

• wikihow数据集中包含换行符（对段落分割有用），而C4和HugeNews模型的SentencePiece分词器未编码换行符导致信息丢失。
• BigPatent数据集更新后保留大小写，部分格式清理规则也发生变化，详见TFDS变更记录。

“混合与随机”模型相较于论文中的pegasus-large有以下调整：

• 同时在C4和HugeNews上训练（数据集混合比例按其样本数量加权）。
• 训练步数增至150万而非50万（观察到预训练困惑度收敛速度较慢）。
• 模型均匀采样15%至45%之间的间隔句子比例。
• 重要性句子采样时对重要性分数添加20%的均匀噪声。
• 更新了SentencePiece分词器以支持编码换行符。

引用

@misc{zhang2019pegasus,  
    title={PEGASUS: 基于抽取间隔句子的抽象摘要预训练},  
    author={张靖清 and 赵耀 and Mohammad Saleh and Peter J. Liu},  
    year={2019},  
    eprint={1912.08777},  
    archivePrefix={arXiv},  
    primaryClass={cs.CL}  
}