Pegasus Pubmed

🚀 Pegasusモデル

Pegasusモデルは、要約タスクに特化したモデルです。このモデルを使用することで、文章の要約を効率的に行うことができます。

🚀 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。 元の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

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示されています。

「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例の数で重み付けされます）。
• 500kではなく150万ステップ学習（事前学習の困惑度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トークナイザーが更新され、改行文字をエンコードできるようになりました。

注意事項

(*) wikihowとbig_patentデータセットの数値は、トークン化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トークナイザーは改行文字をエンコードせず、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されています。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}
}