Bart Finetuned Text Summarization

🚀 BART Large CNN テキスト要約モデル

このモデルは、FacebookのBART（双方向および自己回帰型トランスフォーマー）アーキテクチャに基づいており、特にテキスト要約タスク用にファインチューニングされた大規模バリアントです。BARTはFacebook AIによって導入されたシーケンス-to-シーケンスモデルで、要約を含むさまざまな自然言語処理タスクを扱うことができます。

🚀 クイックスタート

このモデルは、FacebookのBARTアーキテクチャをベースにしており、テキスト要約タスクに特化してファインチューニングされています。以下に、このモデルの使い方や詳細を紹介します。

✨ 主な機能

• BART Large CNNアーキテクチャを採用。
• テキスト要約タスクに最適化されたファインチューニング済みモデル。
• AIを活用して高精度な要約を実現。

📦 インストール

必要なライブラリはpipを使ってインストールできます。

pip install transformers

💻 使用例

基本的な使用法

以下は、このモデルを使って段落を要約する簡単なコード例です。

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("suriya7/bart-finetuned-text-summarization")
model = AutoModelForSeq2SeqLM.from_pretrained("suriya7/bart-finetuned-text-summarization")

def generate_summary(text):
    inputs = tokenizer([text], max_length=1024, return_tensors='pt', truncation=True)
    summary_ids = model.generate(inputs['input_ids'], max_new_tokens=100, do_sample=False)
    summary = tokenizer.decode(summary_ids[0], skip_special_tokens=True)
    return summary

text_to_summarize = """Now, there is no doubt that one of the most important aspects of any Pixel phone is its camera.
And there might be good news for all camera lovers. Rumours have suggested that the Pixel 9 could come with a telephoto lens,
improving its photography capabilities even further. Google will likely continue to focus on using AI to enhance its camera performance,
in order to make sure that Pixel phones remain top contenders in the world of mobile photography."""
summary = generate_summary(text_to_summarize)
print(summary)

高度な使用法

# Googleが次世代のPixelスマートフォンであるGoogle Pixel 9を発表する予定で、望遠レンズと人工知能（AI）システムを搭載し、カメラ機能を向上させると同時に画像の質も向上させることが期待されています。
Google is rumoured to be about to unveil its next-generation Pixel smartphone,
the Google Pixel 9,which is expected to come with a telephoto lens and an artificial intelligence (AI)
system to improve its camera capabilities, as well as improve the quality of its images.

📚 ドキュメント

モデル詳細

学習パラメータ

num_train_epochs=1,
warmup_steps = 500,
per_device_train_batch_size=4,
per_device_eval_batch_size=4,
weight_decay = 0.01,
gradient_accumulation_steps=16

📄 ライセンス

このモデルはMITライセンスの下で提供されています。