Summarisation Model

🚀 文本摘要T5模型

這是一個基於T5架構微調的模型，專門用於文本摘要任務，能有效處理對話和會話的摘要生成，基於SAMSum數據集訓練，具備高效的內存使用效率。

🚀 快速開始

使用以下代碼來開啟模型的使用：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# Define model name (same as uploaded one)
model_name = "Saravanankumaran/summarisation_model"

# Load model and tokenizer from Hugging Face Hub
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

print("Model loaded successfully! ✅")

# Below is the example text to use the model

text = """
Laxmi Kant: what work you planning to give Tom?
Juli: i was hoping to send him on a business trip first.
Laxmi Kant: cool. is there any suitable work for him?
Juli: he did excellent in last quarter. i will assign new project, once he is back.
"""
inputs = tokenizer(text, return_tensors="pt")

output = model.generate(**inputs)
summary = tokenizer.decode(output[0], skip_special_tokens=True)

print("Generated Output:", summary)

✨ 主要特性

• 基於T5架構微調，專為文本摘要任務設計。
• 使用SAMSum數據集進行訓練，對對話和會話的摘要生成效果較好。
• 採用🤗 Transformers和Hugging Face Trainer進行訓練，並使用混合精度（fp16）優化內存效率。

📚 詳細文檔

模型詳情

模型描述

這是一個使用SAMSum數據集進行微調的T5文本摘要模型。該模型使用🤗 Transformers和Hugging Face Trainer進行訓練，並採用混合精度（fp16）以優化內存效率。

• 開發者：Saravanan K
• 微調基礎模型：t5-base

模型來源

• 代碼倉庫：https://github.com/SARAVANANVIJAY123/DL-Assessment/blob/main/DL-L%26D%20CODE.ipynb

使用場景

直接使用

該模型可用於文本摘要任務，尤其適用於對話和會話的摘要生成。

下游使用

該模型可以在其他摘要數據集上進一步微調，或用於需要摘要功能的大型NLP應用程序。

適用範圍外的使用

該模型在非對話類文本或非英語語言上的表現可能不佳。

偏差、風險和侷限性

• 偏差：由於該模型在SAMSum數據集上進行訓練，可能存在與英語對話數據相關的偏差。
• 侷限性：在與訓練數據集有顯著差異的文本上，模型性能可能會下降。

🔧 技術細節

該模型基於T5架構，使用SAMSum數據集進行訓練。訓練過程中採用了🤗 Transformers和Hugging Face Trainer，並使用混合精度（fp16）以優化內存效率。在使用時，通過AutoModelForSeq2SeqLM和AutoTokenizer從Hugging Face Hub加載模型和分詞器。

📄 許可證

文檔中未提及許可證相關信息。