Aml Text Summarization T5

🚀 AML文本摘要T5模型

這是一個基於T5-Small架構的文本摘要模型，是德國不來梅大學高級機器學習課程項目的一部分，可有效實現文本的摘要提取。

🚀 快速開始

本模型基於T5-Small（文本到文本轉移變換器）架構，並在CNN/Daily Mail數據集上進行了微調，用於抽象文本摘要。以下是使用此模型進行文本摘要的示例代碼：

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("s0urin/aml-text-summarization-t5")
model = AutoModelForSeq2SeqLM.from_pretrained("s0urin/aml-text-summarization-t5")

text = "Your long text here..."
inputs = tokenizer("summarize: " + text, return_tensors="pt", max_length=512, truncation=True)
outputs = model.generate(inputs.input_ids, max_length=150, min_length=40, length_penalty=2.0, num_beams=4, early_stopping=True)
summary = tokenizer.decode(outputs, skip_special_tokens=True)

print(summary)

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("s0urin/aml-text-summarization-t5")
model = AutoModelForSeq2SeqLM.from_pretrained("s0urin/aml-text-summarization-t5")

text = "Your long text here..."
inputs = tokenizer("summarize: " + text, return_tensors="pt", max_length=512, truncation=True)
outputs = model.generate(inputs.input_ids, max_length=150, min_length=40, length_penalty=2.0, num_beams=4, early_stopping=True)
summary = tokenizer.decode(outputs, skip_special_tokens=True)

print(summary)

📚 詳細文檔

模型描述

此模型在CNN/Daily Mail數據集上進行了微調，用於抽象文本摘要，採用了T5-Small（文本到文本轉移變換器）架構。

信息表格

👨‍💻 作者

• Sourin Kumar Pal
• Jassim Hameed Ayobkhan