Longformer Bio Ext Summ

🚀 バイオメディカル抽出型要約のためのLongformer

このモデルは、バイオメディカル分野の文章を抽出型要約するために、Longformerを微調整したものです。学士論文の一環として行われた研究成果です。

🚀 クイックスタート

このセクションでは、モデルの基本的な使い方を説明します。

💻 使用例

基本的な使用法

summarizer = pipeline("summarization",
  model = "NotXia/longformer-bio-ext-summ",
  tokenizer = AutoTokenizer.from_pretrained("NotXia/longformer-bio-ext-summ"),
  trust_remote_code = True,
  device = 0
)

sentences = ["sent1.", "sent2.", "sent3?"]
summarizer({"sentences": sentences}, strategy="count", strategy_args=2)
>>> (['sent1.', 'sent2.'], [0, 1])

高度な使用法

# 要約を行うためのさまざまな戦略があります。以下に各戦略の説明を示します。
summarizer = pipeline("summarization",
  model = "NotXia/longformer-bio-ext-summ",
  tokenizer = AutoTokenizer.from_pretrained("NotXia/longformer-bio-ext-summ"),
  trust_remote_code = True,
  device = 0
)

sentences = ["sent1.", "sent2.", "sent3?"]
summarizer({"sentences": sentences}, strategy="count", strategy_args=2)

戦略

文書を要約するための戦略は以下の通りです。

• length：最大長の要約（strategy_argsは最大長）。
• count：指定された文数の要約（strategy_argsは文数）。
• ratio：文書の長さに比例した要約（strategy_argsは比率 [0, 1]）。
• threshold：指定された値よりも高いスコアの文のみを含む要約（strategy_argsは最小スコア）。

📚 ドキュメント

この研究は学士論文の一環として行われました。LongformerはMS^2データセットで微調整され、抽出型要約に使用されます。モデルアーキテクチャはBERTSumに似ています。トレーニングコードはbiomed-ext-summで入手できます。

📄 ライセンス

このプロジェクトはApache-2.0ライセンスの下で公開されています。