chinese_abstractive_corpus
语料名称
教育培训行业抽象式自动摘要中文语料库
语料简介
自动文摘分为两种：
抽取式
抽象式
语料库收集了教育培训行业主流垂直媒体的历史文章（截止到2018年6月5日）大约24500条数据集。主要是为训练抽象式模型而整理，每条数据有summary(摘要)和text(正文)，两个字段，Summary字段均为作者标注。
压缩包大约 60 MB，解压后大约 150 MB。
格式如下：
summary{{...}}
text{{...}}
关于和抽象式自动文摘更多研究成果可参考：
作者对两种文摘方式做了深入对比，并且提供了实验结论。
关于训练集和测试集
并未明确划分训练集和测试集合，请使用者根据自己的实际情况按照比例划分
作者联系方式
wechat : wonderfulcorporation
2021-07-13 21:39:00
59.81MB
1
HanLP: Han Language Processing
| | | | |
面向生产环境的多语种自然语言处理工具包，基于PyTorch和TensorFlow 2.x双引擎，目标是普及落地最前沿的NLP技术。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。
借助世界上最大的多语种语料库，HanLP2.1支持包括简繁中英日俄法德在内的104种语言上的10种联合任务：分词（粗分、细分2个标准，强制、合并、校正3种）、词性标注（PKU、863、CTB、UD四套词性规范）、命名实体识别（PKU、MSRA、OntoNotes三套规范）、依存句法分析（SD、UD规范）、成分句法分析、语义依存分析（SemEval16、DM、PAS、PSD四套规范）、语义角色标注、词干提取、词法语法特征提取、抽象意义表示（AMR）。
量体裁衣，HanLP提供RESTful和nati
2021-06-09 18:05:08
783KB
1
自述文件
新浪微博自动文摘系统
给定微博话题数据集，从中筛选出前N（N> 0）条微博，作为话题摘要。
问题实质：短文本多文档自动文摘。
流程：数据-算法-评估-展现
数据获取与预先：如何通过编写爬虫获取网站数据？
摘要算法：如何使用Python及其相关工具集实现算法？（阅读论文和资料理解算法，理解公式意味着，将公式转换为实际代码，也有很多算法在Python中已经实现，可以直接使用）
摘要评估：如何对不同算法的结果进行评估？（ROUGE评估方式，中文评估注意点）
系统展现：如何实现前端展现和后台管理的系统？（Flask，Flask-Admin； Bootstrap，E-Charts）如何部署系统
2021-05-13 16:11:53
49.59MB
1
本科毕业设计，多文档自动摘要，摘要生成，采用聚类算法生成摘要，简单易调试，
2021-04-27 21:20:29
34.37MB
1
Java 实现的自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 关键词提取 自动摘要 短语提取 拼音 简繁转换。.zip,自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 新词发现 关键词短语提取 自动摘要 文本分类聚类 拼音简繁
2021-04-16 19:40:03
21.45MB
1
自动摘要是一款适合新闻类与评论类文章的摘要软件。可限制摘要长度。是许多文章编辑工作者必备的软件。它的主要功能就是帮助你自动提取文章的精华部分，比你自己阅读后提取要
2021-03-17 21:47:23
378KB
1