Upload README.md with huggingface_hub
Browse files
README.md
CHANGED
|
@@ -1,11 +1,12 @@
|
|
| 1 |
---
|
| 2 |
language: ru
|
|
|
|
| 3 |
tags:
|
| 4 |
- summarization
|
| 5 |
- t5
|
| 6 |
- russian
|
| 7 |
- sentiment-analysis
|
| 8 |
-
|
| 9 |
---
|
| 10 |
|
| 11 |
# RuT5-Base for Sentiment Summarization
|
|
@@ -17,12 +18,14 @@ license: mit
|
|
| 17 |
Создание кратких, информативных резюме отзывов с выделением ключевых плюсов и минусов.
|
| 18 |
|
| 19 |
## Метрики на тестовой выборке
|
|
|
|
| 20 |
| Модель | ROUGE-1 | ROUGE-2 | ROUGE-L |
|
| 21 |
|--------|---------|---------|---------|
|
| 22 |
| Baseline (TF-IDF) | 0.0331 | 0.0029 | 0.0291 |
|
| 23 |
-
|
|
| 24 |
|
| 25 |
## Использование
|
|
|
|
| 26 |
```python
|
| 27 |
from transformers import T5ForConditionalGeneration, T5Tokenizer
|
| 28 |
|
|
@@ -35,18 +38,22 @@ def summarize(review):
|
|
| 35 |
outputs = model.generate(inputs.input_ids, max_length=128, num_beams=4)
|
| 36 |
return tokenizer.decode(outputs[0], skip_special_tokens=True)
|
| 37 |
|
|
|
|
| 38 |
# Пример
|
| 39 |
review = "Фильм отличный! Актеры играют великолепно, сюжет захватывает."
|
| 40 |
print(summarize(review))
|
| 41 |
|
|
|
|
| 42 |
# Обучение
|
| 43 |
-
|
| 44 |
|
| 45 |
-
|
| 46 |
|
| 47 |
-
|
| 48 |
|
| 49 |
-
|
| 50 |
|
| 51 |
-
|
| 52 |
|
|
|
|
|
|
|
|
|
| 1 |
---
|
| 2 |
language: ru
|
| 3 |
+
license: mit
|
| 4 |
tags:
|
| 5 |
- summarization
|
| 6 |
- t5
|
| 7 |
- russian
|
| 8 |
- sentiment-analysis
|
| 9 |
+
pipeline_tag: summarization
|
| 10 |
---
|
| 11 |
|
| 12 |
# RuT5-Base for Sentiment Summarization
|
|
|
|
| 18 |
Создание кратких, информативных резюме отзывов с выделением ключевых плюсов и минусов.
|
| 19 |
|
| 20 |
## Метрики на тестовой выборке
|
| 21 |
+
|
| 22 |
| Модель | ROUGE-1 | ROUGE-2 | ROUGE-L |
|
| 23 |
|--------|---------|---------|---------|
|
| 24 |
| Baseline (TF-IDF) | 0.0331 | 0.0029 | 0.0291 |
|
| 25 |
+
| ruT5-base | 0.1497 | 0.0600 | 0.1497 |
|
| 26 |
|
| 27 |
## Использование
|
| 28 |
+
|
| 29 |
```python
|
| 30 |
from transformers import T5ForConditionalGeneration, T5Tokenizer
|
| 31 |
|
|
|
|
| 38 |
outputs = model.generate(inputs.input_ids, max_length=128, num_beams=4)
|
| 39 |
return tokenizer.decode(outputs[0], skip_special_tokens=True)
|
| 40 |
|
| 41 |
+
|
| 42 |
# Пример
|
| 43 |
review = "Фильм отличный! Актеры играют великолепно, сюжет захватывает."
|
| 44 |
print(summarize(review))
|
| 45 |
|
| 46 |
+
`````
|
| 47 |
# Обучение
|
| 48 |
+
Базовая модель: sberbank-ai/ruT5-base
|
| 49 |
|
| 50 |
+
Датасет: Kinopoisk с сгенерированными резюме
|
| 51 |
|
| 52 |
+
Эпохи: 3
|
| 53 |
|
| 54 |
+
Learning rate: 5e-5
|
| 55 |
|
| 56 |
+
Batch size: 4
|
| 57 |
|
| 58 |
+
# Ссылки
|
| 59 |
+
Модель: https://huggingface.co/Auttar/RuT5SentimentSummarization
|