Java教程

自然语言处理(NLP)-第三方库(工具包):FastSum【基于fastNLP开发的文本摘要解决方案,包括数据加载、模型调用、模型评价】【实现模型:Seq2Seq、PGNet、BertSum】

本文主要是介绍自然语言处理(NLP)-第三方库(工具包):FastSum【基于fastNLP开发的文本摘要解决方案,包括数据加载、模型调用、模型评价】【实现模型:Seq2Seq、PGNet、BertSum】,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

FastSum是基于fastNLP开发的一套完整的文本摘要任务解决方案,包括数据加载、模型调用、模型评价三个部分。

FastSum中实现的模型包括:

  • 基准模型 (LSTM/Transformer + SeqLab)
  • Get To The Point: Summarization with Pointer-Generator Networks
  • Extractive Summarization as Text Matching
  • Text Summarization with Pretrained Encoders

提供了12个文本摘要任务的数据集:

名称论文类型描述
CNN/DailyMailAbstractive Text Summarization using Sequence-to-sequence RNNs and Beyond新闻修改了原本用于 passage-based question answering 任务的数据库。 CNN 和 DailyMail 的网站为每篇文章都人工提供了一些要点信息总结文章。而且这些要点是抽象的而非抽取式摘要形式。 微调 Teaching Machines to Read and Comprehend 的脚本之后,作者生成了一个 multi-sentence summary 的数据集合
XsumDon’t Give Me the Details, Just the Summary! Topic-Aware Convolutional Neural Networks for Extreme Summarization新闻article-single sentence summary 的数据集。在 BBC 上,每篇文章开头都附有人工撰写的摘要,提取即可
The New York Times Annotated CorpusThe New York Times Annotated Corpus新闻人工撰写的摘要
DUCThe Effects of Human Variation in DUC Summarization Evaluation新闻2003 和 2004 Task1 都是对每个 doc 生成一段摘要
arXiv PubMedA Discourse-Aware Attention Model for Abstractive Summarization of Long Documents科学著作从 arXiv 和 PubMed 获取的长篇文档的摘要,论文的 abstract 部分作为摘要的 ground-truth。
WikiHowWikiHow: A Large Scale Text Summarization Dataset知识库[WikiHow 有一个关于“怎么做”的数据库,每个步骤描述是由一段加粗摘要以及详细步骤叙述组成。作者把每个步骤的加粗摘要合并作为最终摘要,每步的剩余部分进行合并组成 article。
Multi NewsMulti-News: a Large-Scale Multi-Document Summarization Dataset and Abstractive Hierarchical Model新闻、多文本摘要数据集由新闻文章和这些文章的人工摘要组成,这些文章来自 newser.com 网站。每一篇摘要都是由专业编辑撰写的,并包含到引用的原始文章的链接。
BillSumBillSum: A Corpus for Automatic Summarization of US Legislation法案文本数据是选自美国国会和加利福尼亚州立法机构的法案文本,人为编写的摘要。
AMIThe AMI meeting corpus: a pre-announcement会议AMI会议语料库是一种多模式数据集,包含100小时的会议多模式记录。本语料库为每个单独的讲话者提供了高质量的人工记录,还包含了抽取式摘要、生成式摘要、头部动作、手势、情绪状态等。
ICSIICSI Corpus会议ICSI会议语料库是一个音频数据集,包含大约70个小时的会议记录。包含了抽取式摘要和生成式摘要。
Reddit TIFUAbstractive Summarization of Reddit Posts with Multi-level Memory Networks在线讨论通过从 Reddit 爬取数据,作者生成了两套摘要:用原帖的 title 作为 short summary,TL;DR summary 作为 long summary。
SAMSumSAMSum Corpus: A Human-annotated Dialogue Dataset for Abstractive Summarization对话对话由语言学家根据日常对话写成,之后由语言学家标注摘要。
名称论文类型描述
CNN/DailyMailAbstractive Text Summarization using Sequence-to-sequence RNNs and Beyond新闻修改了原本用于 passage-based question answering 任务的数据库。 CNN 和 DailyMail 的网站为每篇文章都人工提供了一些要点信息总结文章。而且这些要点是抽象的而非抽取式摘要形式。 微调 Teaching Machines to Read and Comprehend 的脚本之后,作者生成了一个 multi-sentence summary 的数据集合
XsumDon’t Give Me the Details, Just the Summary! Topic-Aware Convolutional Neural Networks for Extreme Summarization新闻article-single sentence summary 的数据集。在 BBC 上,每篇文章开头都附有人工撰写的摘要,提取即可
The New York Times Annotated CorpusThe New York Times Annotated Corpus新闻人工撰写的摘要



参考资料:
预训练编码器文本摘要
FastSum:基于fastNLP开发的文本摘要解决方案

这篇关于自然语言处理(NLP)-第三方库(工具包):FastSum【基于fastNLP开发的文本摘要解决方案,包括数据加载、模型调用、模型评价】【实现模型:Seq2Seq、PGNet、BertSum】的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!