Update README.md
Browse files
README.md
CHANGED
@@ -1,3 +1,94 @@
|
|
1 |
-
---
|
2 |
-
license: mit
|
3 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
---
|
2 |
+
license: mit
|
3 |
+
language:
|
4 |
+
- it
|
5 |
+
base_model:
|
6 |
+
- unsloth/Qwen2.5-7B-Instruct-bnb-4bit
|
7 |
+
pipeline_tag: text-generation
|
8 |
+
library_name: transformers
|
9 |
+
tags:
|
10 |
+
- legal
|
11 |
+
---
|
12 |
+
|
13 |
+
## Usage
|
14 |
+
Install the following dependencies:
|
15 |
+
```sh
|
16 |
+
pip install transformers==4.49.0
|
17 |
+
pip install bitsandbytes==0.45.3
|
18 |
+
pip install peft==0.15.0
|
19 |
+
```
|
20 |
+
|
21 |
+
Define the system prompt and the text to simplify:
|
22 |
+
```py
|
23 |
+
PROMPT = """Sei un esperto redattore di documenti istituzionali italiani.
|
24 |
+
|
25 |
+
Migliora la leggibilità dei riferimenti normativi presenti in un documento istituzionale. **Non alterare il contenuto e lo stile del testo originale**.
|
26 |
+
|
27 |
+
# Steps
|
28 |
+
1. Leggi attentamente il testo.
|
29 |
+
2. Individua tutti i riferimenti normativi presenti nel testo.
|
30 |
+
3. Normalizza tutti i riferimenti normativi nella forma "art. [numero articolo], comma [numero comma], lettera [lettera]) del [norma] [nuemero]/[anno] e successive modifiche".
|
31 |
+
4. Se la tipologia di normativa è scritta per esteso, utilizza l'acronimo solo per quelle più comuni (es. D.Lgs, D.P.R., L.R., C.C, ...).
|
32 |
+
|
33 |
+
# Output Format
|
34 |
+
Il testo corretto con l'originale formattazione e suddivisione in sezioni e paragrafi.
|
35 |
+
|
36 |
+
# Examples
|
37 |
+
- **Input**: D.Lgs. 08.08.1994, n. 490
|
38 |
+
**Output**: D.Lgs. 490/1994
|
39 |
+
- **Input**: art. 43 D.P.R. 28.12.2000, n. 445
|
40 |
+
**Output**: art. 43 D.P.R 445/2000
|
41 |
+
- **Input**: articolo 16 del d.P.R. 30 dicembre 1982, n. 955 s.m.i.
|
42 |
+
**Output**: art. 16 D.P.R 955/1982 e successive modifiche
|
43 |
+
- **Input**: articolo 16, comma 2, lettera c) L.R. n. 18/08
|
44 |
+
**Output**: art. 16, comma 2, lettera c) della L.R. 18/08
|
45 |
+
- **Input**: articoli 19, 46 e 47 del decreto del Presidente della Repubblica n. 445/2000
|
46 |
+
**Output**: artt. 19, 46 e 47 del D.P.R 445/2000
|
47 |
+
|
48 |
+
# Notes
|
49 |
+
- Il testo fornito può essere complesso e richiede attenzione ai dettagli.
|
50 |
+
- Esegui solamente le operazioni descritte, **non eliminare e non modificare altri contenuti**.
|
51 |
+
- Assicurati che le implicazioni giuridiche e legali del documento siano mantenute."""
|
52 |
+
|
53 |
+
TEXT_TO_SIMPLIFY = """Il documento individua le esigenze di sviluppo necessarie per assicurare che i principi delineati dalla Legge Regionale 23 dicembre 2004, n. 29 e dai successivi atti normativi, sulla essenziale funzione della ricerca e innovazione nelle Aziende Sanitarie della Regione Emilia-Romagna, si traducano in azioni concrete nel Servizio Sanitario Regionale.
|
54 |
+
|
55 |
+
Alla luce delle evidenze della letteratura internazionale, delle indicazioni della normativa nazionale e della valutazione di quanto già attuato a livello regionale negli anni passati, vengono individuati gli obiettivi di sviluppo e le linee per il raggiungimento dei suddetti obiettivi."""
|
56 |
+
```
|
57 |
+
|
58 |
+
Load SEMPL-IT model and tokenizer:
|
59 |
+
```py
|
60 |
+
from transformers import AutoModelForCausalLM, AutoTokenizer
|
61 |
+
|
62 |
+
tokenizer = AutoTokenizer.from_pretrained("VerbACxSS/sempl-it-lex-awq")
|
63 |
+
model = AutoModelForCausalLM.from_pretrained("VerbACxSS/sempl-it-lex-awq").to("cuda")
|
64 |
+
```
|
65 |
+
|
66 |
+
Define and apply chat template:
|
67 |
+
```py
|
68 |
+
chat = [
|
69 |
+
{"role": "system", "content": PROMPT},
|
70 |
+
{"role": "assistant", "content": TEXT_TO_SIMPLIFY},
|
71 |
+
]
|
72 |
+
|
73 |
+
formatted_chat = tokenizer.apply_chat_template(
|
74 |
+
chat,
|
75 |
+
tokenize=False,
|
76 |
+
add_generation_prompt=True
|
77 |
+
)
|
78 |
+
model_inputs = tokenizer([formatted_chat], return_tensors="pt").to("cuda")
|
79 |
+
```
|
80 |
+
|
81 |
+
Use SEMPL_IT model with following sampling parameters to generate `simplified_text`:
|
82 |
+
```py
|
83 |
+
generated_ids = model.generate(
|
84 |
+
**model_inputs,
|
85 |
+
max_new_tokens=4096,
|
86 |
+
temperature=0.1,
|
87 |
+
top_p=0.2
|
88 |
+
)
|
89 |
+
simplified_text = tokenizer.decode(generated_ids[0][len(model_inputs.input_ids[0]):], skip_special_tokens=True)
|
90 |
+
print(simplified_text)
|
91 |
+
```
|
92 |
+
|
93 |
+
## Acknowledgements
|
94 |
+
This contribution is a result of the research conducted within the framework of the PRIN 2020 (Progetti di Rilevante Interesse Nazionale) "VerbACxSS: on analytic verbs, complexity, synthetic verbs, and simplification. For accessibility" (Prot. 2020BJKB9M), funded by the Italian Ministero dell'Università e della Ricerca.
|