🚀 亚马逊多语言评论摘要生成模型（基于google/mT5-small）

本模型是基于 google/mT5-small 在多语言亚马逊评论数据集上微调得到的。它在评估集上取得了以下结果：

• 损失值：2.9368
• 模型准备时间：0.0038
• Rouge1：16.1955
• Rouge2：8.1292
• Rougel：15.9218
• Rougelsum：15.9516

🚀 快速开始

本模型可用于多语言产品评论摘要生成任务，支持英语和德语。

✨ 主要特性

• 基于 google/mT5-small 微调，适用于多语言产品评论摘要生成。
• 支持英语和德语两种语言。

📚 详细文档

模型描述

google/mT5-small

预期用途与限制

用于多语言产品评论摘要生成，支持的语言为英语和德语。

训练和评估数据

原始的多语言亚马逊产品评论数据集在 HuggingFace 上已失效。因此，我们使用了 Kaggle 上可用的版本。

原始数据集支持 6 种语言：英语、德语、法语、西班牙语、日语和查莫罗语。每种语言有 20,000 个训练样本、5,000 个验证样本和 5,000 个测试样本。

我们将此数据集上传到了 HuggingFace hub 的 srvmishra832/multilingual-amazon-reviews-6-languages。

在这里，我们仅选择了“pc”和“electronics”产品类别的英语和德语评论。我们使用评论标题作为摘要，并过滤掉评论标题极短的示例，以防止模型生成非常短的摘要。

最后，我们对生成的数据集进行下采样，以便在 Google colab T4 GPU 上能在合理时间内完成训练。最终下采样并合并后的数据集包含 8,000 个训练样本、452 个验证样本和 422 个测试样本。

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：5.6e-05
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 优化器：使用 OptimizerNames.ADAMW_TORCH，其中 betas=(0.9, 0.999)，epsilon=1e-08，无额外优化器参数
• 学习率调度器类型：线性
• 训练轮数：10

训练结果

框架版本

• Transformers 4.50.0
• Pytorch 2.6.0+cu124
• Datasets 3.4.1
• Tokenizers 0.21.1

📄 许可证

本项目采用 Apache-2.0 许可证。