Bert Mini2bert Mini Finetuned Cnn Daily Mail Summarization

🚀 🤗EncoderDecoderフレームワークを用いたBert - mini2Bert - mini要約

このモデルは、CNN/Dailymail要約データセットでファインチューニングされたウォームスタート済みのBERT2BERT ([mini](https://huggingface.co/google/bert_uncased_L - 4_H - 256_A - 4)) モデルです。

このモデルは、CNN/Dailymailのテストデータセットで16.51のROUGE - 2スコアを達成しています。

モデルのファインチューニング方法の詳細については、このノートブックを参照してください。

🚀 クイックスタート

このモデルは、CNN/Dailymail要約データセットでファインチューニングされたBERT2BERTモデルで、特定のテキストの要約を生成するために使用できます。

✨ 主な機能

• ウォームスタート済みのBERT2BERTモデルを使用しています。
• CNN/Dailymailデータセットでファインチューニングされています。
• テキスト要約タスクに適用できます。

📚 ドキュメント

テストセットの結果 📝

💻 使用例

基本的な使用法

from transformers import BertTokenizerFast, EncoderDecoderModel
import torch
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
tokenizer = BertTokenizerFast.from_pretrained('mrm8488/bert-mini2bert-mini-finetuned-cnn_daily_mail-summarization')
model = EncoderDecoderModel.from_pretrained('mrm8488/bert-mini2bert-mini-finetuned-cnn_daily_mail-summarization').to(device)

def generate_summary(text):
    # cut off at BERT max length 512
    inputs = tokenizer([text], padding="max_length", truncation=True, max_length=512, return_tensors="pt")
    input_ids = inputs.input_ids.to(device)
    attention_mask = inputs.attention_mask.to(device)

    output = model.generate(input_ids, attention_mask=attention_mask)

    return tokenizer.decode(output[0], skip_special_tokens=True)
  
text = "your text to be summarized here..."
generate_summary(text)

作成者情報

Manuel Romero/@mrm8488によって作成されました | LinkedIn

スペインで ♥ を込めて作成されました

📄 ライセンス

このプロジェクトは、Apache 2.0ライセンスの下で提供されています。