百科.dev
全部条目在线工具AI 编程趋势榜开源项目技术资讯提交条目
登录
< 返回工具列表
S

SPACES

> 编程语言
开源

端到端的长文摘要模型(法研杯2020司法摘要赛道)

397 stars0 点赞0 次浏览
访问官网GitHub

工具介绍

端到端的长文摘要模型(法研杯2020司法摘要赛道)

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),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

Issues· 28 开放

查看全部 Issues在 GitHub 打开

暂无开放 Issues,或尚未同步最近议题。

> 标签

Python

暂无评论,来聊聊你的看法吧

> 工具信息

发布日期2026年8月1日
最后更新2026年9月17日
分类编程语言
定价开源

> 相关工具

T
TypeScript
JavaScript 的超集,为前端与全栈提供静态类型
P
Python
通用编程语言,广泛用于 Web、数据与 AI
G
Go
Google 推出的简洁高效系统语言