--- title: nlp_palm2.0_text-generation_commodity_chinese-base canonical_url: "https://www.modelscope.cn/models/damo/nlp_palm2.0_text-generation_commodity_chinese-base" md_url: "https://www.modelscope.cn/models/damo/nlp_palm2.0_text-generation_commodity_chinese-base.md" repository: damo/nlp_palm2.0_text-generation_commodity_chinese-base chinese_name: "PALM 2.0商品文案生成-中文-base" last_updated: 2024-12-05 license: "Apache License 2.0" pipeline_tag: text-generation tasks: - text-generation model_type: - palm library_name: - pytorch frameworks: - pytorch language: - ch domain: - nlp downloads: 53802 stars: 45 tags: - transformer - Alibaba - "volume:abs/2004.07159" --- # nlp_palm2.0_text-generation_commodity_chinese-base > nlp_palm2.0_text-generation_commodity_chinese-base - damo 在 ModelScope 开源的模型。达摩PALM 2.0中文商品文案生成base模型 damo/nlp_palm2.0_text-generation_commodity_chinese-base 是 ModelScope 魔搭社区上的text-generation模型，采用 Apache License 2.0 许可。 - **Repository**: damo/nlp_palm2.0_text-generation_commodity_chinese-base - **License**: Apache License 2.0 - **Tasks**: text-generation - **Tags**: transformer, Alibaba, volume:abs/2004.07159 - **Downloads**: 53802 - **Stars**: 45 - **Last updated**: 2024-12-05 Source: https://www.modelscope.cn/models/damo/nlp_palm2.0_text-generation_commodity_chinese-base --- # PALM商品文案描述生成介绍 PALM模型是一个通用的预训练生成模型，可以用于解决下游各种类型的生成任务。模型利用大量无监督数据，通过结合自编码和自回归任务进行预训练。可以用于解决文本生成相关的任务包含：文本摘要、问题生成、data-to-text等。此处我们展示data-to-text中的一个应用，商品文案描述生成：给定商品和一些卖点词，生成和卖点相关的商品文案描述。本模型为PALM-摘要生成的base模型，参数量约为2.3亿。 ## 模型描述 针对实际场景中常见的文本生成需求，自主研发了PALM预训练语言生成模型。该模型通过在大规模文本上预训练得到，可作为下游自然语言生成任务的模型参数输入，以帮助提升下游任务的生成效果。PALM具有以下特点： - 理解能力更强：为conditional generation特别设计了预训练任务，增强模型对上下文的理解能力。 - 所需标注更少：模型在海量文本语料上预训练，大大减少下游生成任务所需的标签数据量。 - 性能优良：中英文模型均使用大规模数据训练得到，且采用自研适应NLG任务的预训练目标。 - 适应各类生成任务：PALM可用于各类不同的生成任务，如摘要、问题生成、paraphrasing等等。 - 方便易用：下游使用方便，基于生成的传统encoder-decoder框架。 本模型是PALM通用预训练生成模型，在中文商品文案描述数据集上进行finetune得到的商品文案描述生成模型。PALM模型介绍，详见：[PALM:Pre-training an Autoencoding&Autoregressive Language Model for Context-conditioned Generation](https://arxiv.org/abs/2004.07159) ![model](./resources/model.png) ### 相关模型 - [PALM 2.0预训练生成模型-中文-base](https://modelscope.cn/models/damo/nlp_palm2.0_pretrained_chinese-base/summary)：PALM2.0中文base通用生成模型，本模型就是基于这个backbone训练得到，可以用于所有的中文生成场景的训练，如data-to-text，摘要生成等。 - [PALM 2.0摘要生成模型-中文-base](https://modelscope.cn/models/damo/nlp_palm2.0_text-generation_chinese-base/summary)：基于PALM2.0中文base模型训练得到的摘要生成模型 - [PALM 2.0摘要生成模型-中文-large](https://modelscope.cn/models/damo/nlp_palm2.0_text-generation_chinese-large/summary)：基于PALM2.0中文large 训练得到的摘要生成模型 - [PALM 2.0天气生成模型-中文-base](https://modelscope.cn/models/damo/nlp_palm2.0_text-generation_weather_chinese-base/summary)：基于PALM2.0中文base训练得到的天气信息生成模型 ## 期望模型使用方式以及适用范围 本模型主要用于给输入文档生成摘要内容。用户可以自行尝试各种输入文档。具体调用方式请参考代码示例。 ### 如何使用 在安装完成MaaS-lib之后即可使用text-generation的能力 #### 推理代码范例 ```python from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks text_generation_zh = pipeline(Tasks.text_generation, model='damo/nlp_palm2.0_text-generation_commodity_chinese-base', external_engine_for_llm=False) result_zh = text_generation_zh("垃圾桶，双层，可拆卸，加高，加高双层，把手，垃圾桶，内附，万向轮") print(result_zh['text']) ``` ### 模型局限性以及可能的偏差 模型在家居家装商品数据集上训练，在其他品类商品上可能有一些效果一般，输入形式可以参考测试集上的数据。 ## 训练数据介绍 本模型中文训练数据集是商品文案描述数据集，包含40w左右数据，数据格式参考[商品文案描述生成](https://modelscope.cn/datasets/lcl193798/product_description_generation/files) ## 模型训练流程 用户可以基于这个商品文案模型在自己的摘要数据上做continue train，如果不是文案生成任务，请前往通用PALM生成模型进行训练：[PALM 2.0预训练生成模型-中文-base ](https://modelscope.cn/models/damo/nlp_palm2.0_pretrained_chinese-base/summary) ### 训练 模型采用2张NVIDIA V100机器训练, 超参设置如下: ``` train_epochs=15 max_sequence_length=128 batch_size=8 learning_rate=1e-3 optimizer=AdamW ``` ### 微调代码范例 ```python import tempfile from modelscope.msdatasets import MsDataset from modelscope.metainfo import Trainers from modelscope.trainers import build_trainer # DuReader_robust-QG 为示例数据集，用户也可以使用自己的数据集进行训练 dataset_dict = MsDataset.load('DuReader_robust-QG') # 训练数据的输入出均为文本，需要将数据集预处理为输入为 src_txt，输出为 tgt_txt 的格式： train_dataset = dataset_dict['train'].remap_columns({'text1': 'src_txt', 'text2': 'tgt_txt'}) eval_dataset = dataset_dict['validation'].remap_columns({'text1': 'src_txt', 'text2': 'tgt_txt'}) num_warmup_steps = 500 def noam_lambda(current_step: int): current_step += 1 return min(current_step**(-0.5), current_step * num_warmup_steps**(-1.5)) # 可以在代码修改 configuration 的配置 def cfg_modify_fn(cfg): cfg.train.lr_scheduler = { 'type': 'LambdaLR', 'lr_lambda': noam_lambda, 'options': { 'by_epoch': False } } cfg.train.optimizer = { "type": "AdamW", "lr": 1e-3, "options": {} } cfg.train.max_epochs = 15 cfg.train.dataloader = { "batch_size_per_gpu": 8, "workers_per_gpu": 1 } return cfg kwargs = dict( model='damo/nlp_palm2.0_pretrained_chinese-base', train_dataset=train_dataset, eval_dataset=eval_dataset, work_dir=tempfile.TemporaryDirectory().name, cfg_modify_fn=cfg_modify_fn) trainer = build_trainer( name=Trainers.text_generation_trainer, default_args=kwargs) trainer.train() ``` ### 训练tips * 超参数调节主要是lr和epoch，可以在cfg_modify_fn里修改 * 生成长度短的数据集训练轮数可以小一些，在10～20epoch之间，生成长度长的数据集需要更多的轮数，如30～50epoch * 生成所需要的数据集量比较大，如果任务难度简单，则1w～10w即可，生成难度难的任务需要更多数据 ## 数据评估及结果 模型在家居测试集数据评估结果 | Rouge-1 | Rouge-2 | Rouge-L | |----------|-------- |---------| | 59.14 | 40.32 | 46.67 | ### 相关论文以及引用信息 如果我们的模型对您有帮助，请您引用我们的文章： ``` @inproceedings{bi-etal-2020-palm, title = "{PALM}: Pre-training an Autoencoding & Autoregressive Language Model for Context-conditioned Generation", author = "Bi, Bin and Li, Chenliang and Wu, Chen and Yan, Ming and Wang, Wei and Huang, Songfang and Huang, Fei and Si, Luo", booktitle = "Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP)", month = nov, year = "2020", address = "Online", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2020.emnlp-main.700", doi = "10.18653/v1/2020.emnlp-main.700", pages = "8681--8691"} ```