Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/bojone/SPACES

端到端的长本文摘要模型(法研杯2020司法摘要赛道)
https://github.com/bojone/SPACES

Last synced: 3 months ago
JSON representation

端到端的长本文摘要模型(法研杯2020司法摘要赛道)

Awesome Lists containing this project

README

        

# SPACES
端到端的长文本摘要模型(法研杯2020司法摘要赛道)。

博客介绍:https://kexue.fm/archives/8046

## 含义

我们将我们的模型称为SPACES,它正好是科学空间的域名之一([https://spaces.ac.cn](https://spaces.ac.cn)),具体含义如下:
- **S**:Sparse Softmax;
- **P**:Pretrained Language Model;
- **A**:Abstractive;
- **C**:Copy Mechanism;
- **E**:Extractive;
- **S**:Special Words。

顾名思义,这是一个以词为单位的、包含预训练和Copy机制的“抽取-生成”式摘要模型,里边包含了一些我们对文本生成技术的最新研究成果。

## 运行

实验环境:tensorflow 1.14 + keras 2.3.1 + bert4keras 0.9.7

(如果是Windows,请用bert4keras>=0.9.8)

首先请在`snippets.py`中修改相关路径配置,然后再执行下述代码。

训练代码:
```bash
#! /bin/bash

python extract_convert.py
python extract_vectorize.py

for ((i=0; i<15; i++));
do
python extract_model.py $i
done

python seq2seq_convert.py
python seq2seq_model.py
```

预测代码
```python
from final import *
summary = predict(text, topk=3)
print(summary)
```

## 交流

QQ交流群:808623966,微信群请加机器人微信号spaces_ac_cn

## 链接

- 博客:https://kexue.fm
- 追一:https://zhuiyi.ai/
- 预训练模型:https://github.com/ZhuiyiTechnology/pretrained-models
- WoBERT:https://github.com/ZhuiyiTechnology/WoBERT