Mbart Large Cc25 Cnn Dailymail Nl

🚀 mbart-large-cc25-cnn-dailymail-nl

該模型是基於 mbart 微調而來，可用於荷蘭語新聞文章的摘要生成，為荷蘭語新聞內容的處理提供了高效的解決方案。

🚀 快速開始

此模型專為荷蘭語新聞文章的摘要生成而設計。以下是使用該模型進行摘要生成的示例代碼：

import transformers

undisputed_best_model = transformers.MBartForConditionalGeneration.from_pretrained(
    "ml6team/mbart-large-cc25-cnn-dailymail-nl"
)
tokenizer = transformers.MBartTokenizer.from_pretrained("facebook/mbart-large-cc25")
summarization_pipeline = transformers.pipeline(
    task="summarization",
    model=undisputed_best_model,
    tokenizer=tokenizer,
)
summarization_pipeline.model.config.decoder_start_token_id = tokenizer.lang_code_to_id[
    "nl_XX"
]

article = "Kan je dit even samenvatten alsjeblief."  # Dutch
summarization_pipeline(
    article,
    do_sample=True,
    top_p=0.75,
    top_k=50,
    # num_beams=4,
    min_length=50,
    early_stopping=True,
    truncation=True,
)[0]["summary_text"]

✨ 主要特性

• 基於 mbart 進行微調，繼承了其強大的語言處理能力。
• 專門針對荷蘭語新聞文章的摘要生成任務進行優化。

📦 安裝指南

文檔未提及具體安裝步驟，若使用該模型，可參考 transformers 庫的安裝方法。

💻 使用示例

基礎用法

import transformers

undisputed_best_model = transformers.MBartForConditionalGeneration.from_pretrained(
    "ml6team/mbart-large-cc25-cnn-dailymail-nl"
)
tokenizer = transformers.MBartTokenizer.from_pretrained("facebook/mbart-large-cc25")
summarization_pipeline = transformers.pipeline(
    task="summarization",
    model=undisputed_best_model,
    tokenizer=tokenizer,
)
summarization_pipeline.model.config.decoder_start_token_id = tokenizer.lang_code_to_id[
    "nl_XX"
]

article = "Kan je dit even samenvatten alsjeblief."  # Dutch
summarization_pipeline(
    article,
    do_sample=True,
    top_p=0.75,
    top_k=50,
    # num_beams=4,
    min_length=50,
    early_stopping=True,
    truncation=True,
)[0]["summary_text"]

📚 詳細文檔

我們撰寫了一篇關於此模型的 博客文章，你可以 點擊此處 查看。

🔧 技術細節

該模型是對 mbart 進行微調得到的，使用了 ml6team/cnn_dailymail_nl 數據集進行訓練。

📄 信息表格