Create README.md
Browse files
README.md
ADDED
@@ -0,0 +1,104 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
---
|
2 |
+
language:
|
3 |
+
- ru
|
4 |
+
- ru-RU
|
5 |
+
tags:
|
6 |
+
- summarization
|
7 |
+
datasets:
|
8 |
+
- IlyaGusev/gazeta
|
9 |
+
license:
|
10 |
+
- apache-2.0
|
11 |
+
inference:
|
12 |
+
parameters:
|
13 |
+
no_repeat_ngram_size: 4
|
14 |
+
widget:
|
15 |
+
- text: "Высота башни составляет 324 метра (1063 фута), примерно такая же высота, как у 81-этажного здания, и самое высокое сооружение в Париже. Его основание квадратно, размером 125 метров (410 футов) с любой стороны. Во время строительства Эйфелева башня превзошла монумент Вашингтона, став самым высоким искусственным сооружением в мире, и этот титул она удерживала в течение 41 года до завершения строительство здания Крайслер в Нью-Йорке в 1930 году. Это первое сооружение которое достигло высоты 300 метров. Из-за добавления вещательной антенны на вершине башни в 1957 году она сейчас выше здания Крайслер на 5,2 метра (17 футов). За исключением передатчиков, Эйфелева башня является второй самой высокой отдельно стоящей структурой во Франции после виадука Мийо.<s>"
|
16 |
+
example_title: "Википедия"
|
17 |
+
- text: "С 1 сентября в России вступают в силу поправки в закон «О банкротстве» — теперь должники смогут освобождаться от непосильных обязательств во внесудебном порядке, если сумма задолженности составляет не менее 50 тыс. рублей и не превышает 500 тыс. рублей без учета штрафов, пени, процентов за просрочку платежа и прочих имущественных или финансовых санкций. У физлиц и индивидуальных предпринимателей появилась возможность пройти процедуру банкротства без участия суда и финансового управляющего — достаточно подать соответствующее заявление через МФЦ. Сумму задолженности и список всех известных заявителю кредиторов нужно предоставить самостоятельно. Если все условия соблюдены, сведения внесут в Единый федеральный реестр в течение трех рабочих дней. При этом на момент подачи заявления в отношении заявителя должно быть окончено исполнительное производство с возвращением исполнительного документа взыскателю. Это значит, что у потенциального банкрота не должно быть имущества, которое можно взыскать. Кроме того, в отношении гражданина не должно быть возбуждено другое исполнительное производство. В период всей процедуры заявитель не сможет брать займы, кредиты, выдавать поручительства, совершать иные обеспечительные сделки. Внесудебное банкротство будет длиться шесть месяцев, в течение которых также будет действовать мораторий на удовлетворение требований кредиторов, отмеченных в заявлении должника, и мораторий об уплате обязательных платежей. Кроме того, прекращается начисление неустоек и иных финансовых санкций; имущественные взыскания (кроме алиментов) также будут приостановлены. По завершению процедуры заявителя освободят от дальнейшего выполнения требований кредиторов, указанных в заявлении о признании его банкротом, а эта задолженность признается безнадежной. В прошлом месяце стало известно, что за первое полугодие 2020 года российские суды признали банкротами 42,7 тыс. граждан (в том числе индивидуальных предпринимателей) — по данным единого реестра «Федресурс», это на 47,2% больше показателя аналогичного периода 2019 года. Рост числа обанкротившихся граждан во втором квартале по сравнению с первым замедлился — такая динамика обусловлена тем, что в период ограничений с 19 марта по 11 мая суды редко рассматривали банкротные дела компаний и меньше, чем обычно, в отношении граждан, объяснял руководитель проекта «Федресурс» Алексей Юхнин. Он прогнозирует, что во втором полугодии мы увидим рост показателя, когда суды рассмотрят все дела, что не смогли ранее в режиме ограничений. По его данным, уже в июне число личных банкротств выросло до 11,5 тыс., что в два раза превышает показатель аналогичного периода 2019 года.<s>"
|
18 |
+
example_title: "Новости"
|
19 |
+
- text: "Актуальность проблемы. Электронная информация играет все большую роль во всех сферах жизни современного общества. В последние годы объем научно-технической текстовой информации в электронном виде возрос настолько, что возникает угроза обесценивания этой информации в связи с трудностями поиска необходимых сведений среди множества доступных текстов. Развитие информационных ресурсов Интернет многократно усугубило проблему информационной перегрузки. В этой ситуации особенно актуальными становятся методы автоматизации реферирования текстовой информации, то есть методы получения сжатого представления текстовых документов–рефератов (аннотаций). Постановка проблемы автоматического реферирования текста и соответственно попытки ее решения с использованием различных подходов предпринимались многими исследователями. История применения вычислительной техники для реферирования насчитывает уже более 50 лет и связана с именами таких исследователей, как Г.П. Лун, В.Е. Берзон, И.П. Cевбо, Э.Ф. Скороходько, Д.Г. Лахути, Р.Г. Пиотровский и др. За эти годы выработаны многочисленные подходы к решению данной проблемы, которые достаточно четко подразделяются на два направления: автоматическое реферирование, основанное на экстрагировании из первичных документов с помощью определенных формальных признаков «наиболее информативных» фраз (фрагментов), совокупность которых образует некоторый экстракт; автоматическое реферирование, основанное на выделении из текстов с помощью специальных информационных языков наиболее существенной информации и порождении новых текстов (рефератов), содержательно обобщающих первичные документы.<s>"
|
20 |
+
example_title: "Научная статья"
|
21 |
+
---
|
22 |
+
|
23 |
+
# RuGPT3MediumSumGazeta
|
24 |
+
|
25 |
+
## Model description
|
26 |
+
|
27 |
+
This is the model for abstractive summarization for Russian based on [rugpt3medium_based_on_gpt2](https://huggingface.co/sberbank-ai/rugpt3medium_based_on_gpt2).
|
28 |
+
|
29 |
+
|
30 |
+
## Intended uses & limitations
|
31 |
+
|
32 |
+
#### How to use
|
33 |
+
|
34 |
+
Colab: [link](https://colab.research.google.com/drive/1re5E26ZIDUpAx1gOCZkbF3hcwjozmgG0)
|
35 |
+
|
36 |
+
```python
|
37 |
+
from transformers import AutoTokenizer, AutoModelForCausalLM
|
38 |
+
|
39 |
+
model_name = "IlyaGusev/rugpt3medium_sum_gazeta"
|
40 |
+
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
41 |
+
model = AutoModelForCausalLM.from_pretrained(model_name)
|
42 |
+
|
43 |
+
article_text = "..."
|
44 |
+
|
45 |
+
text_tokens = tokenizer(
|
46 |
+
article_text,
|
47 |
+
max_length=600,
|
48 |
+
add_special_tokens=False,
|
49 |
+
padding=False,
|
50 |
+
truncation=True
|
51 |
+
)["input_ids"]
|
52 |
+
input_ids = text_tokens + [tokenizer.sep_token_id]
|
53 |
+
input_ids = torch.LongTensor([input_ids]).to(device)
|
54 |
+
|
55 |
+
output_ids = model.generate(
|
56 |
+
input_ids=input_ids,
|
57 |
+
no_repeat_ngram_size=4
|
58 |
+
)[0]
|
59 |
+
|
60 |
+
summary = tokenizer.decode(output_ids[0], skip_special_tokens=False)
|
61 |
+
summary = summary.split(tokenizer.sep_token)[1]
|
62 |
+
summary = summary.split(tokenizer.eos_token)[0]
|
63 |
+
print(summary)
|
64 |
+
```
|
65 |
+
|
66 |
+
## Training data
|
67 |
+
|
68 |
+
- Dataset: [Gazeta](https://huggingface.co/datasets/IlyaGusev/gazeta)
|
69 |
+
|
70 |
+
## Training procedure
|
71 |
+
|
72 |
+
- Training script: [train.py](https://github.com/IlyaGusev/summarus/blob/master/external/hf_scripts/train.py)
|
73 |
+
- Config: [gpt_training_config.json](https://github.com/IlyaGusev/summarus/blob/master/external/hf_scripts/configs/gpt_training_config.json)
|
74 |
+
|
75 |
+
## Eval results
|
76 |
+
|
77 |
+
* Train dataset: **Gazeta v1 train**
|
78 |
+
* Test dataset: **Gazeta v1 test**
|
79 |
+
* Source max_length: **600**
|
80 |
+
* Target max_length: **200**
|
81 |
+
* no_repeat_ngram_size: **4**
|
82 |
+
* num_beams: **5**
|
83 |
+
|
84 |
+
| Model | R-1-f | R-2-f | R-L-f | chrF | METEOR | BLEU | Avg char length |
|
85 |
+
|:--------------------------|:------|:------|:------|:-------|:-------|:-----|:-----|
|
86 |
+
| [mbart_ru_sum_gazeta](https://huggingface.co/IlyaGusev/mbart_ru_sum_gazeta) | **32.4** | 14.3 | 28.0 | 39.7 | **26.4** | 12.1 | 371 |
|
87 |
+
| [rut5_base_sum_gazeta](https://huggingface.co/IlyaGusev/rut5_base_sum_gazeta) | 32.2 | **14.4** | **28.1** | **39.8** | 25.7 | **12.3** | 330 |
|
88 |
+
|
|
89 |
+
|
90 |
+
* Train dataset: **Gazeta v1 train**
|
91 |
+
* Test dataset: **Gazeta v2 test**
|
92 |
+
* Source max_length: **600**
|
93 |
+
* Target max_length: **200**
|
94 |
+
* no_repeat_ngram_size: **4**
|
95 |
+
* num_beams: **5**
|
96 |
+
|
97 |
+
| Model | R-1-f | R-2-f | R-L-f | chrF | METEOR | BLEU | Avg char length |
|
98 |
+
|:--------------------------|:------|:------|:------|:-------|:-------|:-----|:-----|
|
99 |
+
| [mbart_ru_sum_gazeta](https://huggingface.co/IlyaGusev/mbart_ru_sum_gazeta) | **28.7** | **11.1** | 24.4 | **37.3** | **22.7** | **9.4** | 373 |
|
100 |
+
| [rut5_base_sum_gazeta](https://huggingface.co/IlyaGusev/rut5_base_sum_gazeta) | 28.6 | **11.1** | **24.5** | 37.2 | 22.0 | **9.4** | 331 |
|
101 |
+
|
102 |
+
Evaluation script: [evaluate.py](https://github.com/IlyaGusev/summarus/blob/master/evaluate.py)
|
103 |
+
|
104 |
+
Flags: --language ru --tokenize-after --lower
|