KoBERTSUM은 ext 및 abs summarizatoin 분야에서 우수한 성능을 보여주고 있는 BertSum모델을 한국어 데이터에 적용할 수 있도록 수정한 한국어 요약 모델입니다.

현재는

• Pre-trained BERT로 KoBERT를 이용합니다. 원활한 연결을 위해 Transformers(monologg)를 통해 Huggingface transformers 라이브러리를 사용합니다.

• 이용 Data로 한국어 문서 추출요약 AI 경진대회(~ 2020.12.09)에서 사용된 Bflysoft-뉴스기사 데이터셋에 맞춰져 있습니다.

• BertSumExt모델만 지원합니다.

업데이트 계획은 다음과 같습니다.

• 다양한 데이터를 받아들일 수 있도록 수정
• BertSumAbs 및 BertSumExtAbs 요약모델 추가 지원
• Pre-trained BERT로 KoBERT 외 타 모델 지원(Huggingface transformers 라이브러리 지원 모델 위주)

BertSum은 BERT 위에 inter-sentence Transformer 2-layers 를 얹은 구조를 갖습니다. 이를 fine-tuning하여 extract summarization을 수행하는 BertSumExt, abstract summarization task를 수행하는 BertSumAbs 및 BertSumExtAbs 요약모델을 포함하고 있습니다.

• 논문: Text Summarization with Pretrained Encoders (EMNLP 2019 paper)
• 원코드: https://github.com/nlpyang/PreSumm

기 Pre-trained BERT를 summarization task 수행을 위한 embedding layer로 활용하기 위해서는 여러 sentence를 하나의 인풋으로 넣어주고, 각 sentence에 대한 정보를 출력할 수 있도록 입력을 수정해줘야 합니다. 이를 위해

• Input document에서 매 문장의 앞에 [CLS] 토큰을 삽입하고 ( [CLS] 토큰에 대응하는 BERT 결과값(T[CLS])을 각 문장별 representation으로 간주)

• 매 sentence마다 다른 segment embeddings 토큰을 더해주는 interval segment embeddings을 추가합니다.

  

1. 필요 라이브러리 설치

   python main.py -task install
   

1. 데이터 Preprocessing

   데이터를 ext/data/raw 에 넣어준 후 다음을 실행하여 BERT 입력을 위한 형태로 변환합니다.

   • n_cpus: 연산에 이용할 CPU 수

   python main.py -task make_data -n_cpus 2
   

   결과는 ext/data/bert_data/train_abs 및 ext/data/bert_data/valid_abs 에 저장됩니다.

2. Fine-tuning

   KoBERT 모델을 기반으로 fine-tuning을 진행하고, 1,000 step마다 Fine-tuned model 파일(.pt)을 저장합니다.

   • target_summary_sent: abs 또는 ext .
   • visible_gpus: 연산에 이용할 gpu index를 입력. 예) (GPU 3개를 이용할 경우): 0,1,2

   python main.py -task train -target_summary_sent abs -visible_gpus 0
   

   결과는 models 폴더 내 finetuning이 실행된 시간을 폴더명으로 가진 폴더에 저장됩니다.

3. Validation

   Fine-tuned model마다 validation data set을 통해 inference를 시행하고, loss 값을 확인합니다.

   • model_path: model 파일(.pt)이 저장된 폴더 경로

   python main.py -task valid -model_path 1209_1236
   

   결과는 ext/logs 폴더 내 valid_1209_1236.log 형태로 저장됩니다.

4. Inference & make submission file

   Validation을 통해 확인한 가장 성능이 우수한 model파일을 통해 실제로 텍스트 요약 과업을 수행합니다.

   • test_from: model 파일(.pt) 경로
   • visible_gpus: 연산에 이용할 gpu index를 입력. 예) (GPU 3개를 이용할 경우): 0,1,2

   python main.py -task test -test_from 1209_1236/model_step_7000.pt -visible_gpus 0
   

   결과는 ext/data/results/ 폴더에 result_1209_1236_step_7000.candidate 및 submission_날짜_시간.csv 형태로 저장됩니다.