metadata
language:
- ru
- ru-RU
tags:
- summarization
- t5
datasets:
- IlyaGusev/gazeta
license:
- apache-2.0
inference:
parameters:
repetition_penalty: 2.9
widget:
- 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.
example_title: Википедия
- 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.
example_title: Новости
- 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.
example_title: Научная статья
RuT5SumGazeta
Model description
This is the model for abstractive summarization for Russian based on rut5-base.
Intended uses & limitations
How to use
Colab: link
from transformers import AutoTokenizer, T5ForConditionalGeneration
model_name = "IlyaGusev/rut5_base_sum_gazeta"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name)
article_text = "..."
input_ids = tokenizer(
[article_text],
max_length=400,
add_special_tokens=True,
padding="max_length",
truncation=True,
return_tensors="pt"
)["input_ids"]
output_ids = model.generate(
input_ids=input_ids,
repetition_penalty=3.0
)[0]
summary = tokenizer.decode(output_ids, skip_special_tokens=True)
print(summary)
Training data
- Dataset: Gazeta
Training procedure
- Training script: train.py
- Config: t5_training_config.json
Eval results
Gazeta v1 train -> Gazeta v1 test
| Model | R-1-f | R-2-f | R-L-f | chrF | METEOR | BLEU |
|---|---|---|---|---|---|---|
| mbart_ru_sum_gazeta | 32.1 | 14.3 | 27.9 | 39.7 | 25.7 | 12.4 |
| rut5_base_sum_gazeta | 32.3 | 14.5 | 27.9 | 39.6 | 25.1 | 11.5 |
Gazeta v1 train -> Gazeta v2 test
| Model | R-1-f | R-2-f | R-L-f | chrF | METEOR | BLEU |
|---|---|---|---|---|---|---|
| mbart_ru_sum_gazeta | 28.8 | 11.1 | 24.5 | 37.4 | 22.7 | 9.5 |
| rut5_base_sum_gazeta | 28.5 | 11.0 | 24.2 | 36.8 | 21.2 | 8.6 |
Predicting all summaries:
import json
import torch
from transformers import AutoTokenizer, T5ForConditionalGeneration
from datasets import load_dataset
def gen_batch(inputs, batch_size):
batch_start = 0
while batch_start < len(inputs):
yield inputs[batch_start: batch_start + batch_size]
batch_start += batch_size
def predict(
model_name,
input_records,
output_file,
max_source_tokens_count=400,
max_target_tokens_count=200,
batch_size=16
):
device = "cuda" if torch.cuda.is_available() else "cpu"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name).to(device)
predictions = []
for batch in gen_batch(input_records, batch_size):
texts = [r["text"] for r in batch]
input_ids = tokenizer(
texts,
add_special_tokens=True,
max_length=max_source_tokens_count,
padding="max_length",
truncation=True,
return_tensors="pt"
)["input_ids"].to(device)
output_ids = model.generate(
input_ids=input_ids,
max_length=max_target_tokens_count,
no_repeat_ngram_size=3,
early_stopping=True
)
summaries = tokenizer.batch_decode(output_ids, skip_special_tokens=True)
for s in summaries:
print(s)
predictions.extend(summaries)
with open(output_file, "w") as w:
for p in predictions:
w.write(p.strip().replace("\n", " ") + "\n")
gazeta_test = load_dataset('IlyaGusev/gazeta', script_version="v1.0")["test"]
predict("IlyaGusev/rut5_base_sum_gazeta", list(gazeta_test), "t5_predictions.txt")
Evaluation script: evaluate.py
Flags: --language ru --tokenize-after --lower