Spanish BERT2BERT (BETO) fine-tuned on MLSUM ES for summarization

Model

dccuchile/bert-base-spanish-wwm-cased (BERT Checkpoint)

Dataset

MLSUM 是第一个大规模的多语言摘要数据集。从在线报纸获取，包含五种不同语言（即法语、德语、西班牙语、俄语和土耳其语）的150多万篇文章/摘要对。连同来自流行的CNN/Daily mail数据集的英语报纸，收集到的数据形成了一个大规模的多语言数据集，可以为文本摘要领域的新研究方向提供支持。我们基于最先进的系统进行了跨语言比较分析。这些分析突显了现有偏见，从而促使使用多语言数据集。

MLSUM es

Results

Usage

import torch
from transformers import BertTokenizerFast, EncoderDecoderModel
device = 'cuda' if torch.cuda.is_available() else 'cpu'
ckpt = 'mrm8488/bert2bert_shared-spanish-finetuned-summarization'
tokenizer = BertTokenizerFast.from_pretrained(ckpt)
model = EncoderDecoderModel.from_pretrained(ckpt).to(device)

def generate_summary(text):

   inputs = tokenizer([text], padding="max_length", truncation=True, max_length=512, return_tensors="pt")
   input_ids = inputs.input_ids.to(device)
   attention_mask = inputs.attention_mask.to(device)
   output = model.generate(input_ids, attention_mask=attention_mask)
   return tokenizer.decode(output[0], skip_special_tokens=True)
   
text = "Your text here..."
generate_summary(text)

由 Manuel Romero/@mrm8488 创建，获得 Narrativa 的支持

在西班牙制作 ❤