text_summurization_abstractive_methods
1.0.0
se você puder me endossar no Arxiv, ficaria mais do que feliz https://arxiv.org/auth/endorse?x=FRBB89 obrigado Este repositório foi criado para coletar várias implementações para abordagens abstrativas para abordar o resumo de texto, para diferentes idiomas (hindi, amárico, inglês e em breve é árabe)
Se você achou este projeto útil, considere citar nosso trabalho, isso realmente significaria muito para mim
@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}
}
ele foi criado para simplesmente rodar no google colab, em um notebook, então você só precisaria de uma conexão com a internet para executar esses exemplos sem a necessidade de uma máquina poderosa, então todos os exemplos de código estariam no formato de Júpiter, e você não não é necessário baixar dados para o seu dispositivo enquanto conectamos esses notebooks de Júpiter ao Google Drive
Este repositório foi explicado em uma série de blogs
Experimente este resumo de texto através deste site (eazymind), que permite resumir seu texto através
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))
contém 3 modelos diferentes que implementam o conceito de ter uma rede seq2seq com atenção também adicionando conceitos como ter uma representação de palavras rica em recursos Este trabalho é uma continuação desses repositórios incríveis
é uma modificação de https://github.com/Currie32/Text-Summarization-with-Amazon-Reviews seq2seq de David Currie
uma modificação em https://github.com/dongjun-Lee/text-summarization-tensorflow
uma modificação no Modelo 2.ipynb usando conceitos de http://www.aclweb.org/anthology/K16-1028
Uma pasta contém os resultados de ambos os 2 modelos, a partir de amostras de texto de validação em formato zaksum, que combina todos os
uma modificação em https://github.com/thomasschmied/Text_Summarization_with_Tensorflow/blob/master/summarizer_amazon_reviews.ipynb
é uma continuação do incrível trabalho de https://github.com/abisee/pointer-generator https://arxiv.org/abs/1704.04368 esta implementação usa o conceito de ter uma rede geradora de ponteiros para diminuir alguns problemas que aparecem com a rede seq2seq normal
usa um gerador de ponteiro com seq2seq com atenção, ele é construído usando python2.7
construído por python3 para avaliação
ainda trabalharei na implementação do mecanismo de cobertura, muito trabalho ainda está por vir, se Deus quiser, éA
esta implementação é uma continuação do incrível trabalho realizado por 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}
}
esta é uma biblioteca para construir múltiplas abordagens usando Reinforcement Learning com seq2seq, reuni o código deles para rodar em um notebook Júpiter e para acessar o Google Drive desenvolvido para python 2.7
construído por python3 para avaliação
