K2t

🚀 關鍵詞轉句子模型（Keytotext）

Keytotext 項目旨在構建一個以關鍵詞為輸入，生成完整句子為輸出的模型。該模型藉助 Huggingface 平臺的強大能力，為自然語言處理任務提供了便捷的解決方案。

🚀 快速開始

安裝

你可以使用以下命令安裝 keytotext 庫：

pip install keytotext

使用示例

示例用法可點擊 查看。示例筆記本可在 Notebooks 文件夾中找到。

UI 界面

你可以通過以下鏈接訪問 UI 界面：

若要使用 UI 界面，需安裝以下依賴：

pip install streamlit-tags

此 UI 使用了由開發者自定義的 Streamlit 組件，詳情可查看 GitHub。

✨ 主要特性

• 輸入關鍵詞生成句子：模型能夠接收關鍵詞輸入，並生成符合語義的句子。
• 基於 T5 模型：藉助強大的 T5 模型架構，保證了模型的性能和效果。
• 多模型選擇：提供 k2t、k2t-tiny 和 k2t-base 等不同規模的模型供用戶選擇。
• 便捷的使用方式：支持通過 pip 安裝，同時提供了 Colab 示例和 UI 界面，方便用戶快速上手。

📦 安裝指南

安裝 keytotext 庫

pip install keytotext

安裝 UI 依賴

pip install streamlit-tags

💻 使用示例

基礎用法

# 此處可參考 Colab 示例中的基礎使用代碼
# 示例代碼可在 https://colab.research.google.com/github/gagan3012/keytotext/blob/master/Examples/K2T.ipynb 中找到

高級用法

# 可根據具體需求，在基礎用法上進行擴展
# 例如調整模型參數、處理不同類型的關鍵詞等

📚 詳細文檔

模型信息

Keytotext 基於出色的 T5 模型：

• k2t: 模型
• k2t-tiny: 模型
• k2t-base: 模型

訓練筆記本可在 Training Notebooks 文件夾中找到。

數據集

模型使用了以下數據集進行訓練：

• WebNLG
• Dart

評估指標

使用 NLG 作為評估指標。

📄 許可證

本項目採用 MIT 許可證。

相關鏈接

• PyPI 版本：
• 下載量：
• Colab 示例：
• UI 界面：