Rut5 Base Headline Generation

🚀 ruT5-base_headline_generation

這是一個基於ruT5-base的模型，專為俄語新聞標題生成而微調，在短新聞文本上表現出色，也能處理長文章。

🚀 快速開始

本模型可用於俄語新聞標題的生成。以下是使用示例：

from transformers import AutoTokenizer, T5ForConditionalGeneration

model_name = "wanderer-msk/ruT5-base_headline_generation"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name)

news_text = """Земляне продолжают осваивать Марс.
Колонисты уже посадили на красной планете 42 яблони."""

model_input = tokenizer(
    news_text,
    truncation=True,
    max_length=1024,
    return_tensors="pt"
)
model_output = model.generate(model_input["input_ids"])
news_headline = tokenizer.decode(
    model_output.squeeze(),
    skip_special_tokens=True
)

print(news_headline)

✨ 主要特性

• 專為俄語新聞標題生成而設計，基於ai-forever/ruT5-base模型微調。
• 在短新聞文本（128個單詞及以下）上表現最佳，但對較長文章也有不錯的效果。
• 生成的摘要式標題平均包含6 - 11個單詞。

📦 安裝指南

原文檔未提及安裝步驟，若使用該模型，可參考transformers庫的安裝方式：

pip install transformers

📚 詳細文檔

模型詳情

該模型是用於俄語新聞標題生成的T5 Base模型。它針對短新聞文本（128個單詞或更少）進行了微調以獲得最佳性能，但在較長文章上也有不錯的指標。模型生成的摘要式標題平均包含6 - 11個單詞。 基礎模型：ai-forever/ruT5-base

訓練詳情

測試指標

• Rouge1: 40.24
• Rouge2: 23.05
• RougeL: 37.57

💻 使用示例

基礎用法

from transformers import AutoTokenizer, T5ForConditionalGeneration

model_name = "wanderer-msk/ruT5-base_headline_generation"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name)

news_text = """Земляне продолжают осваивать Марс.
Колонисты уже посадили на красной планете 42 яблони."""

model_input = tokenizer(
    news_text,
    truncation=True,
    max_length=1024,
    return_tensors="pt"
)
model_output = model.generate(model_input["input_ids"])
news_headline = tokenizer.decode(
    model_output.squeeze(),
    skip_special_tokens=True
)

print(news_headline)