# Emotion Summary Model (mT5-small)

## 模型描述

这是一个基于 mT5-small 微调的情感总结模型，用于从心理咨询案例中提取和总结关键信息。

## 模型信息

- **基础模型**: google/mt5-small
- **任务**: 长文本情感信息提取与总结
- **训练数据**: 8000条心理咨询对话
- **验证数据**: 800条
- **输出字段**: 
  - predicted_cause: 病因分析
  - predicted_symptoms: 症状描述
  - predicted_treatment_process: 治疗过程
  - predicted_illness_Characteristics: 疾病特征
  - predicted_treatment_effect: 治疗效果

## 使用方法

```python
from transformers import MT5ForConditionalGeneration, MT5Tokenizer

# 加载模型和tokenizer
model = MT5ForConditionalGeneration.from_pretrained("./emotion_summary")
tokenizer = MT5Tokenizer.from_pretrained("./emotion_summary")

# 准备输入
case_text = "..."  # 输入的案例文本
input_text = f"Summarize case: {case_text}"

# 编码
input_ids = tokenizer.encode(input_text, return_tensors="pt", max_length=512, truncation=True)

# 生成
output_ids = model.generate(
    input_ids,
    max_length=256,
    num_beams=4,
    early_stopping=True
)

# 解码
output_text = tokenizer.decode(output_ids[0], skip_special_tokens=True)
print(output_text)
```

## 训练参数

- **Epochs**: 1
- **Batch Size**: 4
- **Learning Rate**: 1e-4
- **Max Input Length**: 128 tokens
- **Max Output Length**: 128 tokens
- **Gradient Accumulation Steps**: 2

## 性能

- 训练损失: ~2.5
- 验证损失: ~2.8
- 推理速度: ~2-3秒/样本

## 注意事项

1. 输入文本需要包含完整的案例描述、咨询过程和反思内容
2. 模型针对心理咨询领域文本优化
3. 建议输入长度控制在512 tokens以内以获得最佳效果

## 文件清单

- `config.json`: 模型配置
- `generation_config.json`: 生成配置
- `model.safetensors`: 模型权重
- `tokenizer配置文件`: 用于文本编码/解码
- `spiece.model`: SentencePiece词表

## 许可证

MIT License

## 引用

如果使用本模型，请引用：

```
@model{emotion_summary_mt5,
  title={Emotion Summary Model based on mT5-small},
  year={2025},
  author={Your Team}
}
```