DGoT下載 - DGoT源代碼下載

DGoT

Ai源碼

1.0.0

下載

DGOT：科學抽像生成思想的動態圖

這是我們的LREC-Coling 2024紙DGOT的實現：科學摘要生成的思想圖形。

快速開始

環境設置

我們強烈建議您使用Docker Images DGOT_DEMO來運行我們的程序。

 # pull docker image
docker pull jaycening/dgot_demo:v1.0.0

# Clone this repository and mount it into the image container.
git clone https://github.com/JayceNing/DGoT.git
docker run --gpus all -it -d --privileged=true -v ./DGoT:/home/nxy/LLM/DGoT

# Enter the target folder.
docker exec -it dgot /bin/bash
cd /home/nxy/LLM/DGoT

該圖像是通過在LMDEPLOY版本0.2.4下部署的InterLM2預配置的。

如果您想手動配置環境，請參見Documentation Emoverion_Setup.md

PubMedcite數據集的數據準備

PubMedcite的引文圖記錄來自引文存儲庫。在這裡，我們提供了基於官方PubMed API下載數據集的代碼。

python get_data.py --required_num 100

required_num是要下載培訓和測試數據集所需的數據條目數量。

激活LLM的API服務

以InternLM2為例。

 cd /home/nxy/internlm2_chat_deploy
lmdeploy serve api_server ./workspace --cache-max-entry-count 0.2

培訓過程

 cd /home/nxy/LLM/DGoT
python generate_abstract.py --begin 0 --end 1 --mode " train " --model " internlm2 " --task " default "

begin和end表示所使用的數據集的啟動和結束索引。
mode指示所使用的數據集是火車數據集還是測試數據集。
model表示用於推理的LLM。
task代表要執行的任務的類型。

推理過程

python generate_abstract.py --begin 0 --end 100 --mode " test " --model " internlm2 " --task " default " --thresh_g 0.34 --thresh_a 0.35 --thresh_i 0.34

thresh_g ， thresh_a和thresh_i分別表示用於生成轉換，匯總轉換和增強DGOT中的轉換的閾值。

教程

在這裡，我們提供有關其他方面的詳細教程。

環境設置
附錄實驗程序

致謝

這項工作基於以下及時的框架，大語言模型和模型部署工具包。感謝開源貢獻！

思想圖（GOT）
chatglm2-6b
Internlm
lmdeploy

本文的計算資源由BUPT的高性能計算平台支持。

引用

如果您發現此存儲庫有價值，請給它一顆星！

在您的工作中使用這個？請使用提供的引用來引用我們：

 @misc { ning2024dgot ,
      title = { DGoT: Dynamic Graph of Thoughts for Scientific Abstract Generation } , 
      author = { Xinyu Ning and Yutong Zhao and Yitong Liu and Hongwen Yang } ,
      year = { 2024 } ,
      eprint = { 2403.17491 } ,
      archivePrefix = { arXiv } ,
      primaryClass = { cs.CL }
}