keytotext
想法是建立一个模型,接受关键词作为输入,生成句子作为输出。
潜在的应用场景包括:
- 市场营销
- 搜索引擎优化
- 主题生成等
- 主题建模模型的微调
模型:
训练笔记本可以在Training Notebooks
文件夹中找到
注意:如需将您自己的模型添加到keytotext,请阅读Models Documentation
使用方法:
示例笔记本可以在Notebooks
文件夹中找到
pip install keytotext
训练器:
Keytotext现在有一个训练类,可以用于训练和微调任何基于T5的新数据模型。 在这里查看更新的训练文档:Docs
from keytotext import trainer
UI:
pip install streamlit-tags
这是我自己建立的一个自定义streamlit组件:GitHub
API:
API在Docker容器中托管,可快速运行。 请按照以下说明开始。
docker pull gagan30/keytotext
docker run -dp 8000:8000 gagan30/keytotext
这将在8000端口启动API,访问以下网址即可获得结果:
http://localhost:8000/api?data=["India","Capital","New Delhi"]
注意:托管的API仅按需提供
BibTex:
引用keytotext,请使用此引文
@misc{bhatia,
title={keytotext},
url={https://github.com/gagan3012/keytotext},
journal={GitHub},
author={Bhatia, Gagan}
}
参考
- https://github.com/Shivanandroy/simpleT5 (Shivanand Roy)
- https://github.com/patil-suraj/question_generation (Suraj Patil)
- https://github.com/MathewAlexander/T5_nlg (Mathew Alexander)
关于keytotext的文章:
- http://towardsdatascience.com/data-to-text-generation-with-t5-building-a-simple-yet-advanced-nlg-model-b5cce5a6df45 (Mathew Alexander)
- 由1LittleCoder制作的精彩视频:https://www.youtube.com/watch?v=I0iBzP-SxFY,关于keytotext
- https://medium.com/mlearning-ai/generating-sentences-from-keywords-using-transformers-in-nlp-e89f4de5cf6b (Prakhar Mishra)