Pegasus Aeslc

🚀 Pegasusモデル

Pegasusは、要約タスクを行うためのモデルです。このモデルに関する詳細なドキュメントやオリジナルのコードなどを提供しています。

🚀 クイックスタート

• ドキュメント: こちら
• オリジナルのTF 1コード: こちら

✨ 主な機能

• 著者: Jingqing Zhang, Yao Zhao, Mohammad Saleh and Peter J. Liu (2019年12月18日)
• メンテナー: @sshleifer
• タスク: 要約

📚 ドキュメント

Mixed & Stochastic Checkpoints

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。

"Mixed & Stochastic"モデルの変更点

• C4とHugeNewsの両方で学習（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％の均一なノイズを使用し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のために比較できません。

• 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が、C4とHugeNewsモデルのsentencepieceトークナイザーは改行をエンコードせず、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、一部の形式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}
}