Bert2bert Indonesian Summarization

🚀 印尼语BERT2BERT摘要模型

这是一个针对印尼语微调的BERT-base摘要模型，可有效解决印尼语文本的摘要生成问题，为印尼语相关的文本处理提供了高效的解决方案。

🚀 快速开始

本模型是基于 cahya 的 cahya/bert-base-indonesian-1.5G 模型，使用 id_liputan6 数据集进行微调得到的。

📦 安装指南

无需额外安装步骤，直接使用以下代码加载微调后的模型即可。

💻 使用示例

基础用法

from transformers import BertTokenizer, EncoderDecoderModel

tokenizer = BertTokenizer.from_pretrained("cahya/bert2bert-indonesian-summarization")
tokenizer.bos_token = tokenizer.cls_token
tokenizer.eos_token = tokenizer.sep_token
model = EncoderDecoderModel.from_pretrained("cahya/bert2bert-indonesian-summarization")

高级用法

from transformers import BertTokenizer, EncoderDecoderModel

tokenizer = BertTokenizer.from_pretrained("cahya/bert2bert-indonesian-summarization")
tokenizer.bos_token = tokenizer.cls_token
tokenizer.eos_token = tokenizer.sep_token
model = EncoderDecoderModel.from_pretrained("cahya/bert2bert-indonesian-summarization")

# 
ARTICLE_TO_SUMMARIZE = ""

# generate summary
input_ids = tokenizer.encode(ARTICLE_TO_SUMMARIZE, return_tensors='pt')
summary_ids = model.generate(input_ids,
            min_length=20,
            max_length=80, 
            num_beams=10,
            repetition_penalty=2.5, 
            length_penalty=1.0, 
            early_stopping=True,
            no_repeat_ngram_size=2,
            use_cache=True,
            do_sample = True,
            temperature = 0.8,
            top_k = 50,
            top_p = 0.95)

summary_text = tokenizer.decode(summary_ids[0], skip_special_tokens=True)
print(summary_text)

📄 许可证

本项目采用Apache 2.0许可证。