bart-large-cnn-samsum開源對話摘要模型 - 免費生成精準對話摘要

首頁

Bart Large Cnn Samsum

由philschmid開發

基於BART-large架構的對話摘要模型，專為SAMSum語料庫微調，適用於生成對話摘要。

文本生成

Transformers

英語開源協議:MIT #對話摘要生成 #SageMaker優化 #高ROUGE分數

下載量 141.28k

發布時間 : 3/2/2022

模型概述

該模型使用BART-large架構，在SAMSum對話數據集上進行微調，專門用於生成對話摘要。支持通過Hugging Face Transformers庫快速部署。

模型特點

高效對話摘要

專門針對對話內容優化的摘要生成能力，能有效提取對話核心信息。

SageMaker兼容

支持通過亞馬遜SageMaker和Hugging Face深度學習容器進行訓練和部署。

性能優化

在SAMSum測試集上ROUGE-1得分達41.32，驗證集達42.62。

模型能力

對話摘要生成

文本內容壓縮

關鍵信息提取

使用案例

客服對話分析

客服對話摘要

自動生成客服對話的摘要，幫助快速瞭解客戶問題和解決方案。

提高客服效率，便於後續分析

會議記錄處理

會議紀要生成

將冗長的會議對話自動生成簡潔的會議紀要。

節省人工整理時間，提高工作效率

🚀 `bart-large-cnn-samsum`

該模型使用Amazon SageMaker和全新的Hugging Face深度學習容器進行訓練，可用於文本摘要任務。若想使用該模型，可嘗試更新的微調版FLAN - T5模型，其在ROGUE1指標上比BART版本高6分。

🚀 快速開始

如果你想使用該模型，建議嘗試更新的微調版FLAN - T5模型 philschmid/flan-t5-base-samsum，它在ROGUE1指標上比BART版本高出+6分，達到了47.24分。

試用 philschmid/flan-t5-base-samsum

本模型使用Amazon SageMaker和全新的Hugging Face深度學習容器進行訓練。

更多信息請查看：

📦 安裝指南

暫未提供安裝步驟相關內容。

💻 使用示例

基礎用法

from transformers import pipeline
summarizer = pipeline("summarization", model="philschmid/bart-large-cnn-samsum")

conversation = '''Jeff: Can I train a 🤗 Transformers model on Amazon SageMaker? 
Philipp: Sure you can use the new Hugging Face Deep Learning Container. 
Jeff: ok.
Jeff: and how can I get started? 
Jeff: where can I find documentation? 
Philipp: ok, ok you can find everything here. https://huggingface.co/blog/the-partnership-amazon-sagemaker-and-hugging-face                                           
'''
summarizer(conversation)

📚 詳細文檔

超參數

{
    "dataset_name": "samsum",
    "do_eval": true,
    "do_predict": true,
    "do_train": true,
    "fp16": true,
    "learning_rate": 5e-05,
    "model_name_or_path": "facebook/bart-large-cnn",
    "num_train_epochs": 3,
    "output_dir": "/opt/ml/model",
    "per_device_eval_batch_size": 4,
    "per_device_train_batch_size": 4,
    "predict_with_generate": true,
    "seed": 7
}