text_summurization_abstractive_methods
1.0.0
Arxiv에서 나를 추천할 수 있다면 기쁠 것입니다. https://arxiv.org/auth/endorse?x=FRBB89 감사합니다. 이 저장소는 텍스트 요약을 처리하기 위한 추상적인 접근 방식에 대한 여러 구현을 수집하기 위해 만들어졌습니다. 언어(힌디어, 암하라어, 영어, 곧 아랍어가 됨)
이 프로젝트가 도움이 되었다면 우리 작업을 인용하는 것을 고려해 보십시오. 이는 나에게 정말 큰 의미가 될 것입니다.
@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}
}
이는 하나의 노트북에서 google colab에서 간단히 실행되도록 제작되었으므로 강력한 시스템이 없어도 이러한 예제를 실행하려면 인터넷 연결만 필요하므로 모든 코드 예제는 jupiter 형식이 되며, 그렇지 않습니다. Jupiter Notebook을 Google 드라이브에 연결하므로 기기에 데이터를 다운로드할 필요가 없습니다.
이 저장소는 일련의 블로그에서 설명되었습니다.
이 웹사이트(eazymind)를 통해 텍스트 요약을 시도해 보세요.
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))
seq2seq 네트워크를 주의 깊게 구현하는 개념을 구현하는 3가지 다른 모델이 포함되어 있으며 풍부한 단어 표현 기능을 갖는 것과 같은 개념을 추가합니다. 이 작업은 이러한 놀라운 저장소의 연속입니다.
David Currie의 https://github.com/Currie32/Text-Summarization-with-Amazon-Reviews seq2seq의 수정본입니다.
https://github.com/dongjun-Lee/text-summarization-tensorflow 수정
http://www.aclweb.org/anthology/K16-1028의 개념을 사용하여 모델 2.ipynb에 대한 수정
폴더에는 두 가지 모델의 결과가 모두 결합되어 있는 zaksum 형식의 검증 텍스트 샘플이 포함되어 있습니다.
https://github.com/thomasschmied/Text_Summarization_with_Tensorflow/blob/master/summarizer_amazon_reviews.ipynb 수정
이것은 https://github.com/abisee/pointer-generator https://arxiv.org/abs/1704.04368의 놀라운 작업의 연속입니다. 이 구현은 나타나는 몇 가지 문제를 줄이기 위해 포인터 생성기 네트워크를 갖는 개념을 사용합니다. 일반적인 seq2seq 네트워크를 사용하면
seq2seq와 함께 포인터 생성기를 사용하며 python2.7을 사용하여 구축되었습니다.
평가를 위해 Python3으로 구축됨
나는 여전히 보장 메커니즘 구현을 위해 노력할 것입니다. 하나님께서 뜻하신다면 아직 할 일이 너무 많습니다A
이 구현은 https://github.com/yaserkl/RLSeq2Seq https://arxiv.org/abs/1805.09461에서 수행한 놀라운 작업의 연속입니다.
@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}
}
이것은 seq2seq를 사용한 강화 학습을 사용하여 여러 접근 방식을 구축하기 위한 라이브러리입니다. 저는 jupiter Notebook에서 실행하고 Python 2.7용으로 구축된 Google 드라이브에 액세스하기 위해 코드를 수집했습니다.
평가를 위해 Python3으로 구축됨
