基于深度学习的文本摘要自动生成（自然语言处理）-本科毕业设计，详细代码，过程可见博客

NLP-study 记录做过的NLP任务,包含但不限于文本分类，关系分类，命名实体识别，文本摘要，文本生成等，基于tensorflow2.0或者pytorch框架。

提取与抽象文本摘要方法：分析 文本摘要解决了将信息压缩为更紧凑形式的问题，同时又将重要信息保留在文本中。 自动文本摘要的方法分为两个主要类别：提取性和抽象性。 提取摘要的常见方法包括根据句子的相关性，选择最能代表原始文本表达信息的最具代表性的句子。 一种流行的抽象文本摘要方法是使用编码器-解码器结构，该结构会生成数据的潜在因子表示形式，并将其解码以生成摘要。 该项目的目的是分析和比较两种方法在专门用于科学文献时的有效性。 动机 我从事此项目的动力来自个人经验。 作为一名大学学生，我经常会遇到大量与我的兴趣相关的科学论文和研究文章，但我没有时间阅读所有内容。 我希望有一种方法能够对论文的主要思想进行汇总，而又不会显着减少重要内容。 文本摘要是一种广泛实施的算法，但是我想探索特别适用于科学写作的不同文本摘要方法。 介绍 自动文本摘要是使用信息优先级排序系统缩短文本文档的过程。 生成摘要的技术会

烧瓶文本摘要 此API返回文本摘要。

文本摘要 CNN/DailyMail 原始数据集。 压缩包内含 cnn_stories.tgz 和 dailymail_stories.tgz 。 可用于抽取式摘要（Extractive Summarization）任务以及生成式摘要（Abstractive Summarization）旨在方便国内的研究者们获取该数据集。 技术细节可参考博文：https://blog.csdn.net/muyao987/article/details/104949367

基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实现文本摘要任务——数据集基于seq2seq+attention实

基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构实现文本摘要任务——数据集基于句子相似度矩阵构建图结构

适用于ppt分享

text-summarization-tensorflow 代码来自： 这个是关于英文文本的介绍，然后自己尝试应用在中文文本上，效果不是很理想。。 中文数据集来自：

长文本摘要模型以词为单位的、包含预训练和Copy机制的“抽取-生成”式摘要模型