metadata
language:
- uk
datasets:
- UberText
metrics:
- rouge
max_length:
- 128
pipeline_tag: summarization
widget:
- text: >-
російські війська захопили запорізьку аес на початку повномасштабного
вторгнення 4 березня 2022 року . попри оголошену окупантами «анексію»
запорізької аес, на станції продовжують працювати українські фахівці . але
для роботи окупанти змушують отримувати російські паспорти й підписувати
договір з «росатомом» . за даними «енергоатому», зараз усі шість
енергоблоків заес зупинені, а окупанти блокують їхнє ввімкнення .
окупована станція продовжує постійно споживати електроенергію на власні
потреби з енергосистеми україни . «російські окупанти продовжують
перетворювати запорізьку аес на військову базу, мінуючи периметр довкола
станції . і ці дії не можуть не мати наслідків», - зазначили там .
Model Description
The dataset contains around 40K articles about politics, science, technology, social life collected until June 2021 from Hromadske.ua.
Load the model and mt tokenizer :
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline
tokenizer = AutoTokenizer.from_pretrained("google/mt5-large")
model = AutoModelForSeq2SeqLM.from_pretrained("SGaleshchuk/t5-large-ua-news")
summarizer = pipeline("summarization", model=model, tokenizer=tokenizer, framework="pt")
##### Try on your example
summary = summarizer("російські війська захопили запорізьку аес на початку повномасштабного вторгнення 4 березня 2022 року . попри оголошену окупантами «анексію» запорізької аес, на станції продовжують працювати українські фахівці . але для роботи окупанти змушують отримувати російські паспорти й підписувати договір з «росатомом» . за даними «енергоатому», зараз усі шість енергоблоків заес зупинені, а окупанти блокують їхнє ввімкнення . окупована станція продовжує постійно споживати електроенергію на власні потреби з енергосистеми україни . «російські окупанти продовжують перетворювати запорізьку аес на військову базу, мінуючи периметр довкола станції . і ці дії не можуть не мати наслідків», - зазначили там .", min_length=3, max_length = 128)
print(summary)
[{'summary_text': 'окупаційна влада рф продовжує перетворювати запорізьку атомну електростанцію на військову базу . '}]
- Model type: sequence-to-sequence, summarization
- Language(s) (NLP): Ukrainian
- Finetuned from model : mT5-large
Model Sources
- Dataset: UberText
- Paper: Svitlana Galeshchuk, Abstractive Summarization for the Ukrainian Language: Multi-Task Learning with Hromadske.ua News Dataset. Proceedings of UNLP Workshop at EACL 2023.
- Demo: to be provided
Preprocessing
It is recommended to lowercase an input text.
Metrics
The benchmark metric for abstractive summarization tasks adopted by the research community is the ROUGE score. The metric compares a generated summary against a reference. We employ three sub-categories of the ROUGE score:
• ROUGE-1: unigram overlap
• ROUGE-2: bigram overlap
• ROUGE-L: Longest Common Subsequence
Results
• ROUGE-1: 22.09
• ROUGE-2: 7.04
• ROUGE-L: 22.12