- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想从新闻文章中提取可能的句子,这些句子可以作为文章摘要的一部分。
花了一些时间,我发现可以通过两种方式实现这一点,
我关注了abigailsee's Get To The Point: Summarization with Pointer-Generator Networks用于摘要,它使用预训练模型产生了良好的结果,但它是抽象的。
问题:到目前为止,我见过的大多数提取摘要器(PyTeaser、PyTextRank 和 Gensim)都不是基于监督学习,而是基于朴素贝叶斯分类器、tf-idf、POS 标记、基于关键字频率、位置等的句子排名,不需要任何培训。
到目前为止,我尝试过一些事情来提取潜在的摘要句子。
from keras.preprocessing.text import Tokenizer
对词汇量大小为 20000 的文本语料库进行向量化,并将所有序列填充到所有句子的平均长度。model_lstm = Sequential()
model_lstm.add(Embedding(20000, 100, input_length=sentence_avg_length))
model_lstm.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2))
model_lstm.add(Dense(1, activation='sigmoid'))
model_lstm.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
这给出了非常低的精度 ~0.2
我认为这是因为上述模型更适合肯定/否定句子而不是摘要/非摘要句子分类。
任何有关解决此问题的方法的指导将不胜感激。
最佳答案
I think this is because the above model is more suitable for positive/negative sentences rather than summary/non-summary sentences classification.
没错。上述模型用于二元分类,而不是文本摘要。如果您注意到,输出 (Dense(1,activation='sigmoid')
) 只会给您 0-1 之间的分数,而在文本摘要中,我们需要一个生成标记序列的模型。
我应该做什么?
解决这个问题的主导思想是 encoder-decoder (也称为 seq2seq)模型。有一个nice tutorial在 Keras 存储库中,该存储库用于机器翻译,但很容易将其应用于文本摘要。
代码的主要部分是:
from keras.models import Model
from keras.layers import Input, LSTM, Dense
# Define an input sequence and process it.
encoder_inputs = Input(shape=(None, num_encoder_tokens))
encoder = LSTM(latent_dim, return_state=True)
encoder_outputs, state_h, state_c = encoder(encoder_inputs)
# We discard `encoder_outputs` and only keep the states.
encoder_states = [state_h, state_c]
# Set up the decoder, using `encoder_states` as initial state.
decoder_inputs = Input(shape=(None, num_decoder_tokens))
# We set up our decoder to return full output sequences,
# and to return internal states as well. We don't use the
# return states in the training model, but we will use them in inference.
decoder_lstm = LSTM(latent_dim, return_sequences=True, return_state=True)
decoder_outputs, _, _ = decoder_lstm(decoder_inputs,
initial_state=encoder_states)
decoder_dense = Dense(num_decoder_tokens, activation='softmax')
decoder_outputs = decoder_dense(decoder_outputs)
# Define the model that will turn
# `encoder_input_data` & `decoder_input_data` into `decoder_target_data`
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
# Run training
model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
batch_size=batch_size,
epochs=epochs,
validation_split=0.2)
基于上述实现,需要将encoder_input_data
、decoder_input_data
和decoder_target_data
传递给model.fit()
分别是输入文本和文本的摘要版本。
请注意,decoder_input_data
和 decoder_target_data
是相同的,只是 decoder_target_data
比 decoder_input_data
领先一个标记。 .
This is giving very low accuracy ~0.2
I think this is because the above model is more suitable for positive/negative sentences rather than summary/non-summary sentences classification.
训练规模小、过拟合、欠拟合等多种原因导致准确率较低
关于python - 有监督的文本抽取摘要,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54287822/
我有一个 float 组 Eigen::ArrayXf,我需要对其进行抽取(即从 f.i. 8 个样本中选择 1 个)。 Eigen::ArrayXf decimatedSignal = Eigen:
C:\Sites\dtr-payroll>rake assets:precompile rake aborted! You have already activated rake 10.0.4, bu
有谁知道使用什么特定函数来确定 decimate(vector, order, 'fir') 中的滤波器系数?具体来说是 fir1 和 Wn = 0.5 吗?上面写着订单是30,所以这是肯定的。我得到
我正在设置 Ruby on Rails 生产环境。我正在使用 RVM 的多用户安装。运行 rake assets:precompile 时出现以下错误。其他 rake 任务似乎工作正常。 ruby@m
我敢肯定一定有一些简单的方法,例如仅提取以光标开头的内部上下文部分,但未找到任何内容。例如 fcn(arg1, arg2, fcn2(x, y), arg4) ^-curs
两个问题:1) 如何获得 rake assets:precompile 以使用我的 application.css 中的 CSS3 动画? 在 application.css 中: @-webkit-
我正在部署到 heroku,但我发现没有提供 css 文件(在 heroku 上也找不到它们)。 我读到我需要首先在本地执行 rake assets:precompile 但是当我这样做时我得到: C
我想知道在 vi 编辑器中使用缓冲区从文件 1 复制数据并将数据粘贴到文件 2 的过程。 你能告诉我一步一步的过程吗? 怎么做? 最佳答案 来自 vi 手册: 6.5.6.3 Using Named
在我托管在 digital ocean 上的生产服务器上,如果有帮助的话,Ubuntu 12.04,我有 RoR 4 和 rake 10.1.1。 当我部署时,我运行 rake assets:prec
所以我在这上面花了一天时间,阅读了每一个 SO 问题,甚至是稍微相关的问题,并检查了 Heroku 文档。 这是推送时的 Heroku 问题: -----> Preparing app for Rai
我是一名优秀的程序员,十分优秀!