text_summurization_abstractive_methods
1.0.0
если вы сможете поддержать меня на Arxiv, я был бы более чем рад https://arxiv.org/auth/endorse?x=FRBB89, спасибо. Этот репозиторий создан для сбора нескольких реализаций абстрактных подходов к суммированию текста для разных языки (хинди, амхарский, английский и вскоре арабский)
Если этот проект оказался для вас полезным, пожалуйста, рассмотрите возможность процитировать нашу работу, это действительно будет очень много значить для меня.
@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}
}
он создан для простого запуска в Google Colab в одном блокноте, поэтому для запуска этих примеров вам понадобится только подключение к Интернету без необходимости иметь мощную машину, поэтому все примеры кода будут в формате Юпитера, и вы не Вам не нужно загружать данные на ваше устройство, пока мы подключаем эти ноутбуки Jupiter к Google Drive
Это репо было объяснено в серии блогов.
Попробуйте это обобщение текста на этом веб-сайте (eazymind), который позволит вам обобщить ваш текст с помощью
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))
содержит 3 различные модели, которые реализуют концепцию создания сети seq2seq с вниманием, а также добавляют такие концепции, как наличие многофункционального представления слов. Эта работа является продолжением этих удивительных репозиториев.
является модификацией https://github.com/Currie32/Text-Summarization-with-Amazon-Reviews Дэвида Карри seq2seq
модификация https://github.com/dongjun-Lee/text-summarization-tensorflow
модификация модели 2.ipynb с использованием концепций из http://www.aclweb.org/anthology/K16-1028.
Папка содержит результаты обеих моделей, из образцов текста проверки в формате zaksum, который объединяет все
модификация https://github.com/thomasschmied/Text_Summarization_with_Tensorflow/blob/master/summarizer_amazon_reviews.ipynb
это продолжение потрясающей работы https://github.com/abisee/pointer-generator https://arxiv.org/abs/1704.04368. Эта реализация использует концепцию наличия сети генератора указателей, чтобы уменьшить некоторые возникающие проблемы. с обычной сетью seq2seq
использует генератор указателей с seq2seq, обратите внимание, что он построен с использованием python2.7
создан Python3 для оценки
я все еще буду работать над реализацией механизма покрытия, так много работы еще впереди, если Бог пожелает.
эта реализация является продолжением потрясающей работы, проделанной 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}
}
это библиотека для создания нескольких подходов с использованием обучения с подкреплением с seq2seq. Я собрал их код для запуска в блокноте Юпитера и для доступа к диску Google, созданному для Python 2.7.
создан Python3 для оценки
