Title Generator

🚀 モデルIDのモデルカード

このモデルは、段落から自動的にタイトルを生成するために使用されます。

🚀 クイックスタート

以下のコードを使用して、モデルを使い始めましょう。

from transformers import pipeline
text = """要約が必要なテキスト"""

summarizer = pipeline("summarization", model="path-to-model")
summary = summarizer(text)[0]["summary_text"]

print (summary)

✨ 主な機能

• 文章要約機能：長い論文の要約文を1行にまとめ、タイトルとして使用することができます。
• 下流タスクの調整可能な言語モデルとして利用できます。

📦 インストール

ドキュメントに具体的なインストール手順は記載されていません。

💻 使用例

基本的な使用法

from transformers import pipeline
text = """Text that needs to be summarized"""

summarizer = pipeline("summarization", model="path-to-model")
summary = summarizer(text)[0]["summary_text"]

print (summary)

📚 ドキュメント

モデル詳細

モデル説明

これは、長い要約文を1行にまとめるテキスト生成モデルです。これらの1行文は、論文のタイトルとして使用できます。

• 開発者: Tushar Joshi
• 共有者 [任意]: Tushar Joshi
• モデルタイプ: t5-small
• 言語 (NLP): 英語
• ライセンス: Apache 2.0
• ファインチューニング元のモデル [任意]: t5-small baseline

モデルソース [任意]

• リポジトリ: https://huggingface.co/t5-small

用途

直接利用

• 段落のテキスト要約として使用します。

範囲外の利用

非常に長い段落のテキスト要約としては使用しないでください。

バイアス、リスク、制限事項

• 最大入力トークンサイズは1024です。
• 最大出力トークンサイズは24です。

推奨事項

ユーザー（直接利用者と下流利用者の両方）は、モデルのリスク、バイアス、制限事項を認識する必要があります。さらなる推奨事項については、より多くの情報が必要です。

トレーニング詳細

トレーニングデータ

トレーニングデータは内部で作成されており、公開することはできません。

トレーニング手順

トレーニング手順に関する詳細はありません。

前処理 [任意]

前処理に関する詳細はありません。

トレーニングハイパーパラメータ

• トレーニング方式: [詳細情報が必要]
• その他なし

速度、サイズ、時間 [任意]

トレーニングはGPU T4x 2を使用して行われました。タスクの完了には4時間9分47秒かかりました。生成モデルのトレーニングには、10,000件のサンプルのデータセットが使用されました。

評価

要約の品質は、過去20年間に作成された5000件の研究論文でテストされました。

テストデータ、要因、メトリクス

• テストデータサイズ: 5000件のサンプル

テストデータ

テストデータは内部で生成および作成されています。

要因

要因に関する詳細はありません。

メトリクス

モデルはRougeメトリクスで評価され、以下は達成されたベースラインの結果です。

結果

環境影響

炭素排出量は、Lacoste et al. (2019)で提示されたMachine Learning Impact calculatorを使用して推定できます。

• ハードウェアタイプ: GPU T4 x 2
• 使用時間: 4.5時間
• クラウドプロバイダー: GCP
• コンピュートリージョン: アイルランド
• 排出された炭素量: 不明

📄 ライセンス

このモデルはApache 2.0ライセンスの下で提供されています。

モデルカード作成者 [任意]

Tushar Joshi

モデルカード連絡先

Tushar Joshi LinkedIn - https://www.linkedin.com/in/tushar-joshi-816133100/