README.md

metadata

language:
  - nl
tags:
  - mbart
  - bart
  - summarization
datasets:
  - ml6team/cnn_dailymail_nl
pipeline_tag: summarization
widget:
  - text: >-
      Het jongetje werd eind april met zwaar letsel naar het ziekenhuis gebracht
      in Maastricht. Drie weken later overleed het kindje als gevolg van het
      letsel. Onderzoek moet nog uitwijzen wat voor verwondingen de baby precies
      had en hoe hij gewond is geraakt. Daarnaast doet de politie onderzoek in
      de woning van de ouders. Het is nog niet duidelijk wanneer de onderzoeken
      zijn afgerond, meldt 1Limburg. De verdachten zitten in beperkingen en
      mogen alleen contact hebben met hun advocaat.
  - text: >-
      Volgens De Vries gaat het om "de hoogste beloning die ooit is uitgeloofd
      in Nederland". De stichting heeft een website waar donateurs geld kunnen
      storten, schrijft NH Nieuws. Volgens De Vries is dit initiatief ook
      bedoeld voor andere zaken waar beloningen voor een gouden tip worden
      uitgereikt. "Het is dus niet eenmalig", aldus De Vries. Het is de eerste
      keer dat zoiets wordt opgezet, stelt hij: De 18-jarige Tanja Groen
      verdween spoorloos tijdens de ontgroeningsweek van de Universiteit
      Maastricht in augustus 1993. Ze werd voor het laatst gezien nadat ze was
      vertrokken van een feestje. De studente zou vandaag 46 jaar zijn geworden.
      Ook de ouders van Groen waren op de persconferentie aanwezig. "Het is
      vandaag de verjaardag van Tanja Groen, die haar ouders al 27 jaar niet
      meer hebben kunnen vieren, omdat zij eind augustus 1993 spoorloos is
      verdwenen", zei De Vries. "Haar ouders zitten in tergende onzekerheid. Ze
      geloven dat ze niet meer leeft. Maar die ene promille vreet aan ze. Ze
      hebben recht op duidelijkheid. Ze komen op leeftijd. Grootste angst is
      nooit te weten wat er met hun kind is gebeurd." De Vries wil dat het
      miljoen binnen een jaar is ingezameld. Als het bedrag na een jaar lager
      uitkomt, dan is dat de uit te loven beloning. Is het meer, dan zal de rest
      van het geld gebruikt worden in beloningen in andere zaken. Het initiatief
      wordt gesteund door de politie en justitie. De afgelopen jaren is er vaker
      uitgebreid naar sporen van Tanja Groen gezocht, maar die zoekacties hebben
      niets concreets opgeleverd. Vorige week werd opnieuw naar de vrouw
      gezocht, op de Strabrechtse Heide in Noord-Brabant. Ook die zoektocht
      leverde niets op.

mbart-large-cc25-cnn-dailymail-nl

Model description

Finetuned version of mbart. We also wrote a blog post about this model here

Intended uses & limitations

It's meant for summarizing Dutch news articles.

How to use

import transformers
undisputed_best_model = transformers.MBartForConditionalGeneration.from_pretrained(
    "ml6team/mbart-large-cc25-cnn-dailymail-nl-finetune"
)
tokenizer = transformers.MBartTokenizer.from_pretrained("facebook/mbart-large-cc25")
summarization_pipeline = transformers.pipeline(
    task="summarization",
    model=undisputed_best_model,
    tokenizer=tokenizer,
)
summarization_pipeline.model.config.decoder_start_token_id = tokenizer.lang_code_to_id[
    "nl_XX"
]
article = "Kan je dit even samenvatten alsjeblief."  # Dutch
summarization_pipeline(
    article,
    do_sample=True,
    top_p=0.75,
    top_k=50,
    # num_beams=4,
    min_length=50,
    early_stopping=True,
    truncation=True,
)[0]["summary_text"]

Training data

Finetuned mbart with this dataset and another smaller dataset that we can't open source because we scraped it from the internet. For more information check out our blog post here.