| | --- |
| | license: apache-2.0 |
| | language: |
| | - ru |
| | library_name: transformers |
| | base_model: google/mt5-base |
| | tags: |
| | - summarizer |
| | - text-generation-inference |
| | datasets: |
| | - IlyaGusev/gazeta |
| | pipeline_tag: summarization |
| | widget: |
| | - text: >- |
| | В понедельник в Санкт-Петербургском гарнизонном военном суде начались слушания по делу бывшего капитана ФСБ Ивана Круглова. Его обвиняют по ч. 4 статьи 111 УК РФ (умышленное причинение тяжкого вреда здоровью, повлекшее по неосторожности смерть потерпевшего). В прошлом году экс-силовик, не будучи при исполнении служебных обязанностей, застрелил из травматического пистолета случайного прохожего — жителя Петербурга Звиада Хачатуряна, который позднее скончался. В начале заседания сторона подсудимого ходатайствовала перед судом, чтобы сделать процесс полностью закрытым. Адвокат Круглова Лев Кожохин мотивировал ходатайство тем, что в качестве свидетелей привлечены несколько действующих сотрудников ФСБ, а следовательно, могут быть разглашены факты, имеющие отношение к государственной тайне. Однако судья Виталий Краснощеков удовлетворил просьбу частично: заседания будут закрытыми только при допросе сотрудников ФСБ и при обсуждении секретной информации. |
| | example_title: Summarization Example 1 |
| | --- |
| | |
| | This is fine-tuned form of google/mt5-base model used as Russian text summarizer, trained on ~50k samples' dataset. Updates are coming soon. Target is to improve the quality, length and accuracy. |
| |
|
| |
|
| | Example Usage: |
| |
|
| | ```python |
| | model_name = "sarahai/ru-sum" |
| | tokenizer = AutoTokenizer.from_pretrained(model_name) |
| | model = AutoModelForSeq2SeqLM.from_pretrained(model_name) |
| | |
| | device = torch.device("cpu") #if you are using cpu |
| | |
| | input_text = "текст на русском" #your input in russian |
| | input_ids = tokenizer(input_text, return_tensors="pt").input_ids.to(device) |
| | outputs = model.generate(input_ids, max_length=100, min_length=50, length_penalty=2.0, num_beams=4, early_stopping=True) #change according to your preferences |
| | summary = tokenizer.decode(outputs[0], skip_special_tokens=True) |
| | |
| | print(summary) |
| | ``` |
| |
|
| | References |
| | Hugging Face Model Hub |
| | T5 Paper |
| | Disclaimer: The model's performance may be influenced by the quality and representativeness of the data it was fine-tuned on. Users are encouraged to assess the model's suitability for their specific applications and datasets. |
