metadata
licenses:
- cc-by-nc-sa-4.0
language:
- ru
- en
tags:
- summarization
- dialogue-summarization
- text2text-generation
- mT5
widget:
- example_title: Russian Joke
text: >-
С точки зрения банальной эрудиции, в аспекте призматической
парадоксальности, цинизм ваших слов в данной конспекции ассоциируется
мистификацией парадоксальных иллюзий. Разложим его семилинейным
функционалом в матpицy пpямоyгольнyю тpоеpанговyю обводимyю собственной
неодноpодностью непpеpывно интегpиpyемой в pазpыв попеpек интеpвала
pасходимости кpиволинейным экстpемyмом чеpез область целостности!
- example_title: Diploma Introduction
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: Biological Info
text: >-
Первую многоножку, у которой более тысячи ног, обнаружили в австралийских
пещерах биологи, изучавшие там подземные воды. Предыдущей рекордсменкой по
количеству ног была 700-ногая многоножка. Новый вид имеет длинное тонкое
тело, похожее на нить, и большое количество конечностей, по-видимому, дает
преимущества для быстрого перемещения и проникновения в труднодоступные
места — ученые полагают, такая многоножка может спокойно перемещаться по
трещинам в камнях. Австралия известна своими огромными и жутковатыми
животными вроде 25-сантиметровых пауков. Теперь список пугающих
членистоногих пополнился самой «многоногой» в мире многоножкой, у которой
более тысячи ног. Необычное животное обнаружила группа исследователей из
Австралии и США в пещерах на западе страны. Подробнее многоножку ученые
описали в статье в журнале Scientific Reports. Исследователи занимались
оценкой воздействия подземных вод на окружающую среду в зоне добычи
полезных ископаемых на западе страны, когда наткнулись на новый вид
многоножек. В отличие от большинства сородичей, живущих на поверхности,
эти многоножки обитали в пещерах на глубине до 60 метров. Новый вид
исследователи назвали Eumillipes persephone, в честь Персефоны —
древнегреческой богини подземного мира. У многоножки оказалось 1306 ног —
больше, чем у любого другого известного вида. Предыдущей рекордсменкой
была калифорнийская Illacme plenipes, у которой насчитывалось до 750 ног.
«Эти животные были настолько уникальны, — говорит биолог Бруно Бузатто. —
Как только я понял, какой длины они были... Стало ясно, что это что-то
совершенно новое». У Е. persephone нитевидное тело длиной около 9,5 см и
шириной всего миллиметр, состоящее из 330 сегментов, короткие ноги и
конусообразная голова. Как и другие животные, живущие в постоянной
темноте, эти многоножки бледны и слепы. Энтомолог Пол Марек сравнивает ее
с белой нитью, выдернутой из рубашки. Чтобы посчитать количество ног,
ученым пришлось сначала снять многоножку в высоком разрешении, а затем
закрашивать на фото каждый десяток ног другим цветом.
(https://www.gazeta.ru/science/2021/12/17_a_14325355.shtml)
pipeline_tag: summarization
mT5_ru_XLSum
Mod of https://huggingface.co/csebuetnlp/mT5_multilingual_XLSum. Shrink tokenizer to 32K (ru+en) with David's Dale manual.
Using this model in transformers
import re
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
WHITESPACE_HANDLER = lambda k: re.sub('\s+', ' ', re.sub('\n+', ' ', k.strip()))
article_text = """
С точки зрения банальной эрудиции, в аспекте призматической парадоксальности,
цинизм ваших слов в данной конспекции ассоциируется мистификацией парадоксальных иллюзий.
Разложим его семилинейным функционалом в матpицy пpямоyгольнyю тpоеpанговyю обводимyю
собственной неодноpодностью непpеpывно интегpиpyемой в pазpыв попеpек интеpвала
pасходимости кpиволинейным экстpемyмом чеpез область целостности!
"""
model_name = "Nehc/mT5_ru_XLSum"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
input_ids = tokenizer(
[WHITESPACE_HANDLER(article_text)],
return_tensors="pt",
padding="max_length",
truncation=True,
max_length=512
)["input_ids"]
output_ids = model.generate(
input_ids=input_ids,
max_length=84,
no_repeat_ngram_size=2,
num_beams=3
)[0]
summary = tokenizer.decode(
output_ids,
skip_special_tokens=True,
clean_up_tokenization_spaces=False
)
print(summary)