Pegasus Large

🚀 Pegasusモデル

Pegasusは、要約タスクに特化したモデルです。このモデルに関する詳細な情報は、公式ドキュメントやオリジナルのコードを参照できます。

🚀 クイックスタート

• ドキュメントはこちらから参照できます。
• オリジナルのTF 1コードはこちらにあります。
• 著者: Jingqing Zhang, Yao Zhao, Mohammad Saleh, Peter J. Liu (2019年12月18日)
• メンテナ: @sshleifer
• タスク: 要約

📚 ドキュメント

以下の内容は著者のREADMEから引用しています。

混合と確率的チェックポイント

C4とHugeNewsの両方のデータセットで、ギャップ文の比率をサンプリングしてPegasusモデルを学習させ、重要な文を確率的にサンプリングします。更新された結果は以下の表に報告されています。

「混合と確率的」モデルの変更点

• C4とHugeNewsの両方のデータセットで学習（データセットの混合はサンプル数で重み付け）。
• 学習ステップを500kから1.5Mに増やす（事前学習のパープレキシティの収束が遅いことが観察されました）。
• モデルは15%から45%の間でギャップ文の比率を均一にサンプリングします。
• 重要な文は、重要度スコアに20%の均一ノイズを加えてサンプリングされます。
• SentencePieceトークナイザを更新して、改行文字をエンコードできるようにしました。

注意事項

(*) wikihowとbig_patentデータセットの数値は、トークナイゼーションとデータの変更により比較できません。

• wikihowデータセットには改行文字が含まれており、段落分割に役立ちます。C4とHugeNewsモデルのSentencePieceトークナイザは改行文字をエンコードしないため、この情報を失います。
• BigPatentデータセットを更新して大文字小文字を保持するようにし、一部のフォーマットのクリーニングも変更しました。詳細はTFDSの変更を参照してください。

引用

@misc{zhang2019pegasus,
    title={PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization},
    author={Jingqing Zhang and Yao Zhao and Mohammad Saleh and Peter J. Liu},
    year={2019},
    eprint={1912.08777},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}