text_summurization_abstractive_methods
1.0.0
jika Anda dapat mendukung saya di Arxiv, saya akan sangat senang https://arxiv.org/auth/endorse?x=FRBB89 terima kasih Repo ini dibuat untuk mengumpulkan banyak implementasi pendekatan abstraktif untuk mengatasi peringkasan teks, untuk berbagai bahasa (Hindi, Amharik, Inggris, dan segera Arab)
Jika menurut Anda proyek ini bermanfaat, harap pertimbangkan untuk mengutip karya kami, itu akan sangat berarti bagi saya
@INPROCEEDINGS{9068171,
author={A. M. {Zaki} and M. I. {Khalil} and H. M. {Abbas}},
booktitle={2019 14th International Conference on Computer Engineering and Systems (ICCES)},
title={Deep Architectures for Abstractive Text Summarization in Multiple Languages},
year={2019},
volume={},
number={},
pages={22-27},}
@misc{zaki2020amharic,
title={Amharic Abstractive Text Summarization},
author={Amr M. Zaki and Mahmoud I. Khalil and Hazem M. Abbas},
year={2020},
eprint={2003.13721},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
itu dibuat hanya untuk dijalankan di google colab, dalam satu notebook sehingga Anda hanya memerlukan koneksi internet untuk menjalankan contoh-contoh ini tanpa perlu memiliki mesin yang kuat, jadi semua contoh kode akan dalam format jupiter, dan Anda tidak perlu tidak perlu mengunduh data ke perangkat Anda saat kami menghubungkan notebook jupiter ini ke google drive
Repo ini telah dijelaskan dalam serangkaian Blog
Cobalah ringkasan teks ini melalui situs web ini (eazymind), yang memungkinkan Anda meringkas teks Anda secara menyeluruh
curl -X POST
http://eazymind.herokuapp.com/arabic_sum/eazysum
-H 'cache-control: no-cache'
-H 'content-type: application/x-www-form-urlencoded'
-d "eazykey={eazymind api key}&sentence={your sentence to be summarized}"
pip install eazymind from eazymind.nlp.eazysum import Summarizer
#---key from eazymind website---
key = "xxxxxxxxxxxxxxxxxxxxx"
#---sentence to be summarized---
sentence = """(CNN)The White House has instructed former
White House Counsel Don McGahn not to comply with a subpoena
for documents from House Judiciary Chairman Jerry Nadler,
teeing up the latest in a series of escalating oversight
showdowns between the Trump administration and congressional Democrats."""
summarizer = Summarizer(key)
print(summarizer.run(sentence))
berisi 3 model berbeda yang mengimplementasikan konsep memiliki jaringan seq2seq dengan perhatian juga menambahkan konsep seperti memiliki representasi kata yang kaya fitur. Karya ini merupakan kelanjutan dari repo luar biasa ini
adalah modifikasi dari https://github.com/Currie32/Text-Summarization-with-Amazon-Reviews seq2seq milik David Currie
modifikasi pada https://github.com/dongjun-Lee/text-summarization-tensorflow
modifikasi Model 2.ipynb dengan menggunakan konsep dari http://www.aclweb.org/anthology/K16-1028
Sebuah folder berisi hasil kedua model tersebut, dari contoh teks validasi dalam format zaksum, yang menggabungkan semua
modifikasi pada https://github.com/thomasschmied/Text_Summarization_with_Tensorflow/blob/master/summarizer_amazon_reviews.ipynb
ini merupakan kelanjutan dari karya luar biasa https://github.com/abisee/pointer-generator https://arxiv.org/abs/1704.04368 implementasi ini menggunakan konsep memiliki jaringan generator penunjuk untuk mengurangi beberapa masalah yang muncul dengan jaringan seq2seq normal
menggunakan generator pointer dengan seq2seq dengan perhatian itu dibuat menggunakan python2.7
dibangun oleh python3 untuk evaluasi
saya masih akan mengerjakan implementasi mekanisme cakupannya, masih banyak pekerjaan yang harus dilakukan jika Tuhan menghendakinyaA
implementasi ini merupakan kelanjutan dari pekerjaan luar biasa yang dilakukan oleh https://github.com/yaserkl/RLSeq2Seq https://arxiv.org/abs/1805.09461
@article{keneshloo2018deep,
title={Deep Reinforcement Learning For Sequence to Sequence Models},
author={Keneshloo, Yaser and Shi, Tian and Ramakrishnan, Naren and Reddy, Chandan K.},
journal={arXiv preprint arXiv:1805.09461},
year={2018}
}
ini adalah perpustakaan untuk membangun berbagai pendekatan menggunakan Reinforcement Learning dengan seq2seq, saya telah mengumpulkan kodenya untuk dijalankan di notebook jupiter, dan untuk mengakses google drive yang dibuat untuk python 2.7
dibangun oleh python3 untuk evaluasi
