change readme and function name in infer_concat

README.md

@@ -17,9 +17,27 @@ Link sản phẩm:
 
 https://huggingface.co/spaces/hungdungn47/MultiDocsSummarization
 
-## Bộ dữ liệu Abmusu
+## About the project
 
-Abmusu gồm 600 cụm văn bản (1839 văn bản) cho tóm tắt đa văn bản tiếng Việt, trong đó
+### Dự án môn Xử lý ngôn ngữ tự nhiên kỳ hè 2024 - Trường Đại học Công nghệ
+
+Mã lớp học: INT3406 50
+
+Giảng viên: TS. Trần Hồng Việt; PGS.TS. Nguyễn Phương Thái
+
+### Nhóm sinh viên thực hiện
+
+Mai Tú Phương - 21020552
+
+Trần Nam Anh - 22022569
+
+Nguyễn Hùng Dũng - 22021133
+
+Phan Xuân Bảo - 21020053
+
+## Bộ dữ liệu AbMusu (VLSP 2022)
+
+AbMusu gồm 600 cụm văn bản (1839 văn bản) cho tóm tắt đa văn bản tiếng Việt, trong đó
 
 Tập train: 200 cụm - 621 văn bản
 
@@ -29,6 +47,8 @@ Tập test: 300 cụm - 914 văn bản
 
 Mỗi data example gồm title, anchor text và body text của toàn bộ văn bản trong cụm văn bản. Mỗi cụm văn bản có một chủ đề và một tóm tắt mẫu.
 
+Bộ dữ liệu được lưu trong file abmusu.zip của repo này
+
 ## Phương pháp tóm tắt
 
 Bài toán tóm tắt văn bản có 2 hướng tiếp cận:
@@ -42,11 +62,13 @@ Bài toán tóm tắt văn bản có 2 hướng tiếp cận:
 - Hướng extractive: Sử dụng Contrastive Hierarchical Discourse Graph
 - Hướng abstractive: Finetune mô hình ViT5
 
-## Cấu trúc Project
+Cả hai phương pháp đều được huấn luyện/finetune trên tập dữ liệu AbMusu
+
+## Cấu trúc project
 
-c_25_0.3701.mdl: Contrast Encoder của mô hình CHDG
+c_25_0.3701.mdl: Tham số Contrast Encoder của mô hình CHDG
 
-e_25_0.3071.mdl: End2End Encoder của mô hình CHDG
+e_25_0.3071.mdl: Tham số End2End Encoder của mô hình CHDG
 
 LDA_models.pkl: Mô hình Latent Dirichlet Allocation dùng trong CHDG
 

infer_concat.py

@@ -72,7 +72,7 @@ model.load_state_dict(torch.load("./weight_cp19_model.pth", map_location=torch.d
 
 # batch_size need to be 1,
 @torch.no_grad()
-def infer_2_hier(model, data_loader, device, tokenizer):
+def infer_concat(model, data_loader, device, tokenizer):
     model.eval()
     start = time.time()
     all_summaries = []
@@ -105,5 +105,5 @@ def infer_2_hier(model, data_loader, device, tokenizer):
 def vit5_infer(data):
 	dataset = Dataset4Summarization(data, tokenizer)
 	data_loader = torch.utils.data.DataLoader(dataset, batch_size=1)
-	result = infer_2_hier(model, data_loader, device, tokenizer)
+	result = infer_concat(model, data_loader, device, tokenizer)
 	return result