metadata
language:
- zh
tags:
- conditional text generation
- data augmentation
license: apache-2.0
datasets:
- beyond/chinese_clean_passages_80m
widget:
- text: '[mask]疫情[mask]公园[mask]散步[mask]'
example_title: 案例1
- text: 今天[mask]篮球[mask]学校[mask]
example_title: 案例2
- text: '[mask]感染新冠[mask]身体不舒服[mask]多休息[mask]'
example_title: 案例3
inference:
parameters:
max_length: 128
num_beams: 10
no_repeat_ngram_size: 5
do_sample: true
min_length: 10
early_stopping: true
功能介绍
该模型主要功能是针对mask部分进行补全生成，能够生成较流利丰富的自然文本。
参考案例如下：
1）今天[mask]篮球[mask]学校[mask]
2）[mask]疫情[mask]公园[mask]散步[mask]
3）[mask]感染新冠[mask]身体不舒服[mask]多休息[mask]
如何使用
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
pretrained = "Maciel/T5_Mask_Completion"
tokenizer = AutoTokenizer.from_pretrained(pretrained)
model = AutoModelForSeq2SeqLM.from_pretrained(pretrained)
sentence = "[mask]疫情[mask]公园[mask]散步[mask]"
max_input_length = 128
input_encodings = tokenizer(sentence,
max_length=max_input_length,
truncation=True,
return_tensors="pt")
if "token_type_ids" in input_encodings.keys():
input_encodings.pop("token_type_ids")
output = model.generate(**input_encodings,
num_beams=10,
no_repeat_ngram_size=5,
do_sample=True,
early_stopping=True,
min_length=10,
max_length=64,
return_dict_in_generate=True,
output_scores=True)
decoded_output = tokenizer.batch_decode(output.sequences, skip_special_tokens=True)[0]
completion = decoded_output.strip()
print(completion)
案例展示
1) 原始文本：今天[mask]篮球[mask]学校[mask]
补全文本：今天,我们来谈谈篮球与学校的关系。
2) 原始文本：[mask]疫情[mask]公园[mask]散步[mask]
补全文本：在疫情发生之前,人们可以在公园里散步。
3) 原始文本：[mask]感染新冠[mask]身体不舒服[mask]多休息[mask]
补全文本：如果你感染新冠了,身体不舒服,建议你多休息,不要吃辛辣刺激性的食物,以免加重病情。