Sammanfatta lång text
Sammanfattning reducerar stora textmängder till mer hanterbart innehåll, vilket hjälper läsaren att snabbt ta till sig det viktigaste från långa artiklar eller dokument.
Det finns två huvudtyper: extraktiv, som väljer ut nyckelmeningar direkt från originaltexten, och abstrakt, som genererar nya meningar som sammanfattar huvudidéerna.
I den här övningen skapar du en abstrakt sammanfattningspipeline med Hugging Face-funktionen pipeline() och modellen cnicu/t5-small-booksum. Du sammanfattar text från en Wikipedia-artikel om Grekland och jämför den abstrakta modellens omformulerade utdata med originalet.
Funktionen pipeline från biblioteket transformers och variabeln original_text har redan laddats in åt dig.
Den här övningen är en del av kursen
Arbeta med Hugging Face
Övningsinstruktioner
- Skapa sammanfattningspipelinen med
pipelineoch uppgiften "summarization", och spara den somsummarizer. - Använd den nya pipelinen för att skapa en sammanfattning av texten och spara den som
summary_text. - Jämför längden på originaltexten och sammanfattningen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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]['____'])}")