Erste SchritteKostenlos loslegen

Lange Texte zusammenfassen

Die Zusammenfassung reduziert umfangreiche Texte auf überschaubare Inhalte und hilft den Lesern, die wichtigsten Punkte aus langen Artikeln oder Dokumenten schnell zu erfassen.

Es gibt zwei Haupttypen: extraktive, die Schlüsselsätze aus dem Originaltext heraussuchen, und abstrakte, die neue Sätze erzeugen, die die Hauptideen zusammenfassen.

In dieser Übung erstellst du eine abstrakte Zusammenfassungspipeline mit der Funktion pipeline() von Hugging Face und dem Modell cnicu/t5-small-booksum. Du fasst einen Text aus einer Wikipedia-Seite über Griechenland zusammen und vergleichst die umformulierte Ausgabe des Abstraktionsmodells mit dem Original.

Die Funktion pipeline aus der Bibliothek transformers und die Funktion original_text sind bereits für dich geladen worden.

Diese Übung ist Teil des Kurses

Arbeiten mit Hugging Face

Kurs anzeigen

Anleitung zur Übung

  • Erstelle die Verdichtung pipeline mit der Aufgabe "Verdichtung" und speichere sie als summarizer.
  • Verwende die neue Pipeline, um eine Zusammenfassung des Textes zu erstellen und speichere sie als summary_text.
  • Vergleiche die Länge des Originaltextes und der Zusammenfassung.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Create the summarization pipeline
summarizer = ____(____="____", model="cnicu/t5-small-booksum")

# Summarize the text
summary_text = ____(original_text)

# Compare the length
print(f"Original text length: {len(original_text)}")
print(f"Summary length: {len(____[0]['____'])}")
Bearbeiten und Ausführen von Code