metadata
license: cc-by-nc-sa-4.0
datasets:
- Iker/NoticIA
language:
- es
metrics:
- rouge
library_name: transformers
pipeline_tag: text-generation
base_model: google/gemma-2b-it
tags:
- clickbait
- noticia
- spanish
- summary
- summarization
widget:
- example_title: Summary
messages:
- role: user
content: >-
Ahora eres una Inteligencia Artificial experta en desmontar titulares
sensacionalistas o clickbait. Tu tarea consiste en analizar noticias
con titulares sensacionalistas y generar un resumen de una sola frase
que revele la verdad detrás del titular.\nEste es el titular de la
noticia: Le compra un abrigo a su abuela de 97 años y la reacción de
esta es una fantasía\nEl titular plantea una pregunta o proporciona
información incompleta. Debes buscar en el cuerpo de la noticia una
frase que responda lo que se sugiere en el título. Siempre que puedas
cita el texto original, especialmente si se trata de una frase que
alguien ha dicho. Si citas una frase que alguien ha dicho, usa
comillas para indicar que es una cita. Usa siempre las mínimas
palabras posibles. No es necesario que la respuesta sea una oración
completa. Puede ser sólo el foco de la pregunta. Recuerda responder
siempre en Español.\nEste es el cuerpo de la noticia:\nLa usuaria de X
@Kokreta1 ha relatado la conversación que ha tenido con su abuela de
97 años cuando le ha dado el abrigo que le ha comprado para su
cumpleaños.\nTeniendo en cuenta la avanzada edad de la señora, la
tuitera le ha regalado una prenda acorde a sus años, algo con lo que
su yaya no ha estado de acuerdo.\nEl abrigo es de vieja, ha opinado la
mujer cuando lo ha visto. Os juro que soy muy fan. Mañana vamos las
dos (a por otro). Eso sí, la voy a llevar al Bershka, ha asegurado
entre risas la joven.\nSegún la propia cadena de ropa, la cual
pertenece a Inditex, su público se caracteriza por ser jóvenes
atrevidos, conocedores de las últimas tendencias e interesados en la
música, las redes sociales y las nuevas tecnologías, por lo que la
gente mayor no suele llevar este estilo.\nLa inusual personalidad de
la señora ha encantado a los usuarios de la red. Es por eso que el
relato ha acumulado más de 1.000 me gusta y cerca de 100 retuits,
además de una multitud de comentarios.\n
 |
A model finetuned with the NoticIA Dataset. This model can generate summaries of clickbait headlines
If you are looking for a larger model, with better performance, check out ClickbaitFighter-10B.
- 📖 Paper: Coming soon
- 📓 NoticIA Dataset: https://huggingface.co/datasets/Iker/NoticIA
- 💻 Baseline Code: https://github.com/ikergarcia1996/NoticIA
- 🤖 Pre Trained Models https://huggingface.co/collections/Iker/noticia-and-clickbaitfighter-65fdb2f80c34d7c063d3e48e
- 🔌 Online Demo: https://iker-clickbaitfighter.hf.space/
Open Source Models
| Iker/ClickbaitFighter-2B | Iker/ClickbaitFighter-7B | Iker/ClickbaitFighter-10B | |
|---|---|---|---|
| Param. no. | 2B | 7B | 10M |
| ROUGE | 36.26 | 49.81 | 52.01 |
Evaluation Results
 |
Usage example:
Summarize a web article
import torch # pip install torch
from newspaper import Article #pip3 install newspaper3k
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig # pip install transformers
article_url ="https://www.huffingtonpost.es/virales/le-compra-abrigo-abuela-97nos-reaccion-fantasia.html"
article = Article(article_url)
article.download()
article.parse()
headline=article.title
body = article.text
def prompt(
headline: str,
body: str,
) -> str:
"""
Generate the prompt for the model.
Args:
headline (`str`):
The headline of the article.
body (`str`):
The body of the article.
Returns:
`str`: The formatted prompt.
"""
return (
f"Ahora eres una Inteligencia Artificial experta en desmontar titulares sensacionalistas o clickbait. "
f"Tu tarea consiste en analizar noticias con titulares sensacionalistas y "
f"generar un resumen de una sola frase que revele la verdad detrás del titular.\n"
f"Este es el titular de la noticia: {headline}\n"
f"El titular plantea una pregunta o proporciona información incompleta. "
f"Debes buscar en el cuerpo de la noticia una frase que responda lo que se sugiere en el título. "
f"Siempre que puedas cita el texto original, especialmente si se trata de una frase que alguien ha dicho. "
f"Si citas una frase que alguien ha dicho, usa comillas para indicar que es una cita. "
f"Usa siempre las mínimas palabras posibles. No es necesario que la respuesta sea una oración completa. "
f"Puede ser sólo el foco de la pregunta. "
f"Recuerda responder siempre en Español.\n"
f"Este es el cuerpo de la noticia:\n"
f"{body}\n"
)
prompt = prompt(headline=headline, body=body)
tokenizer = AutoTokenizer.from_pretrained("Iker/ClickbaitFighter-2B")
model = AutoModelForCausalLM.from_pretrained(
"Iker/ClickbaitFighter-2B", torch_dtype=torch.bfloat16, device_map="auto"
)
formatted_prompt = tokenizer.apply_chat_template(
[{"role": "user", "content": prompt}],
tokenize=False,
add_generation_prompt=True,
)
model_inputs = tokenizer(
[formatted_prompt], return_tensors="pt", add_special_tokens=False
)
model_output = model.generate(**model_inputs.to(model.device), generation_config=GenerationConfig(
max_new_tokens=32,
min_new_tokens=1,
do_sample=False,
num_beams=1,
use_cache=True
))
summary = tokenizer.batch_decode(model_output,skip_special_tokens=True)[0]
print(summary.strip().split("\n")[-1]) # Get only the summary, without the prompt.
Run inference in the NoticIA dataset
import torch # pip install torch
from datasets import load_dataset # pip install datasets
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig # pip install transformers
dataset = load_dataset("Iker/NoticIA")
example = dataset["test"][0]
headline = example["web_headline"]
body = example["web_text"]
def prompt(
headline: str,
body: str,
) -> str:
"""
Generate the prompt for the model.
Args:
headline (`str`):
The headline of the article.
body (`str`):
The body of the article.
Returns:
`str`: The formatted prompt.
"""
return (
f"Ahora eres una Inteligencia Artificial experta en desmontar titulares sensacionalistas o clickbait. "
f"Tu tarea consiste en analizar noticias con titulares sensacionalistas y "
f"generar un resumen de una sola frase que revele la verdad detrás del titular.\n"
f"Este es el titular de la noticia: {headline}\n"
f"El titular plantea una pregunta o proporciona información incompleta. "
f"Debes buscar en el cuerpo de la noticia una frase que responda lo que se sugiere en el título. "
f"Siempre que puedas cita el texto original, especialmente si se trata de una frase que alguien ha dicho. "
f"Si citas una frase que alguien ha dicho, usa comillas para indicar que es una cita. "
f"Usa siempre las mínimas palabras posibles. No es necesario que la respuesta sea una oración completa. "
f"Puede ser sólo el foco de la pregunta. "
f"Recuerda responder siempre en Español.\n"
f"Este es el cuerpo de la noticia:\n"
f"{body}\n"
)
prompt = prompt(headline=headline, body=body)
tokenizer = AutoTokenizer.from_pretrained("Iker/ClickbaitFighter-2B")
model = AutoModelForCausalLM.from_pretrained(
"Iker/ClickbaitFighter-2B", torch_dtype=torch.bfloat16, device_map="auto"
)
formatted_prompt = tokenizer.apply_chat_template(
[{"role": "user", "content": prompt}],
tokenize=False,
add_generation_prompt=True,
)
model_inputs = tokenizer(
[formatted_prompt], return_tensors="pt", add_special_tokens=False
)
model_output = model.generate(**model_inputs.to(model.device), generation_config=GenerationConfig(
max_new_tokens=32,
min_new_tokens=1,
do_sample=False,
num_beams=1,
use_cache=True
))
summary = tokenizer.batch_decode(model_output,skip_special_tokens=True)[0]
print(summary.strip().split("\n")[-1]) # Get only the summary, without the prompt.
Citation
@misc{noticia2024,
title={NoticIA: A Clickbait Article Summarization Dataset in Spanish},
author={Iker García-Ferrero and Begoña Altuna},
year={2024},
eprint={2404.07611},
archivePrefix={arXiv},
primaryClass={cs.CL}
}