text_summurization_abstractive_methods
1.0.0
หากคุณสามารถรับรองฉันใน Arxiv ได้ ฉันจะดีใจมาก https://arxiv.org/auth/endorse?x=FRBB89 ขอบคุณ repo นี้ถูกสร้างขึ้นเพื่อรวบรวมการใช้งานหลายอย่างสำหรับแนวทางเชิงนามธรรมเพื่อจัดการกับการสรุปข้อความ สำหรับการใช้งานที่แตกต่างกัน ภาษาต่างๆ (ฮินดี อัมฮาริก อังกฤษ และเร็วๆ นี้จะเป็นภาษาอาหรับ)
หากคุณพบว่าโครงการนี้มีประโยชน์ โปรดพิจารณาอ้างอิงงานของเรา มันจะมีความหมายสำหรับฉันมากอย่างแท้จริง
@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}
}
มันถูกสร้างขึ้นเพื่อให้ทำงานบน Google colab ในโน้ตบุ๊กเพียงเครื่องเดียว ดังนั้นคุณเพียงแค่ต้องเชื่อมต่ออินเทอร์เน็ตเพื่อเรียกใช้ตัวอย่างเหล่านี้โดยไม่จำเป็นต้องมีเครื่องที่มีประสิทธิภาพ ดังนั้นตัวอย่างโค้ดทั้งหมดจะอยู่ในรูปแบบจูปิเตอร์ และคุณก็ทำไม่ได้ ไม่ต้องดาวน์โหลดข้อมูลลงในอุปกรณ์ของคุณในขณะที่เราเชื่อมต่อโน้ตบุ๊กดาวพฤหัสบดีเหล่านี้กับ Google ไดรฟ์
repo นี้ได้รับการอธิบายไว้ในชุดของบล็อก
ลองใช้การสรุปข้อความนี้ผ่านทางเว็บไซต์นี้ (eazymind) ซึ่งช่วยให้คุณสามารถสรุปข้อความของคุณได้
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))
มี 3 รุ่นที่แตกต่างกันที่ใช้แนวคิดของ hving เครือข่าย seq2seq ด้วยความสนใจ และยังเพิ่มแนวคิดเช่นการมีการแสดงคำที่หลากหลาย งานนี้เป็นความต่อเนื่องของ repos ที่น่าทึ่งเหล่านี้
เป็นการดัดแปลง https://github.com/Currie32/Text-Summarization-with-Amazon-Reviews seq2seq ของ David Currie
การปรับเปลี่ยนhttps://github.com/dongjun-Lee/text-summarization-tensorflow
การปรับเปลี่ยน Model 2.ipynb โดยใช้แนวคิดจาก http://www.aclweb.org/anthology/K16-1028
โฟลเดอร์ประกอบด้วยผลลัพธ์ของทั้งสองโมเดล จากตัวอย่างข้อความตรวจสอบความถูกต้องในรูปแบบ zaksum ซึ่งเป็นการรวมเอาทั้งหมด
การปรับเปลี่ยนhttps://github.com/thomasschmied/Text_Summarization_with_Tensorflow/blob/master/summarizer_amazon_reviews.ipynb
เป็นการต่อยอดผลงานที่น่าทึ่งของ https://github.com/abisee/pointer-generator https://arxiv.org/abs/1704.04368 การใช้งานนี้ใช้แนวคิดของการมีเครือข่ายตัวสร้างพอยน์เตอร์เพื่อลดปัญหาบางอย่างที่ปรากฏขึ้น ด้วยเครือข่าย seq2seq ปกติ
ใช้ตัวสร้างตัวชี้ที่มี seq2seq โดยให้ความสนใจซึ่งสร้างขึ้นโดยใช้ python2.7
สร้างโดย python3 เพื่อการประเมินผล
ฉันจะยังคงดำเนินการตามกลไกการรายงานข่าวต่อไป ยังมีงานอีกมากที่กำลังจะมาถึงหากพระเจ้าทรงประสงค์
การใช้งานนี้เป็นความต่อเนื่องของงานที่น่าทึ่งที่ทำโดย 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}
}
นี่คือไลบรารีสำหรับการสร้างหลายวิธีโดยใช้ Reinforcement Learning ด้วย seq2seq ฉันได้รวบรวมโค้ดของพวกเขาเพื่อทำงานในสมุดบันทึกของจูปิเตอร์ และเพื่อเข้าถึง Google ไดรฟ์ที่สร้างขึ้นสำหรับ python 2.7
สร้างโดย python3 เพื่อการประเมินผล
