การสรุปข้อความยาว

การสรุปความ (Summarization) ช่วยย่อข้อความขนาดใหญ่ให้อ่านง่ายขึ้น ทำให้ผู้อ่านเข้าใจประเด็นสำคัญจากบทความหรือเอกสารยาว ๆ ได้อย่างรวดเร็ว

การสรุปความมีสองรูปแบบหลัก ได้แก่ extractive ซึ่งคัดเลือกประโยคสำคัญจากข้อความต้นฉบับ และ abstractive ซึ่งสร้างประโยคใหม่เพื่อสรุปใจความหลัก

ในแบบฝึกหัดนี้ จะสร้าง abstractive summarization pipeline โดยใช้ฟังก์ชัน pipeline() ของ Hugging Face และโมเดล cnicu/t5-small-booksum จากนั้นสรุปข้อความจากหน้า Wikipedia เกี่ยวกับประเทศกรีซ แล้วเปรียบเทียบผลลัพธ์ที่โมเดล abstractive สร้างขึ้นกับข้อความต้นฉบับ

ฟังก์ชัน pipeline จากไลบรารี transformers และตัวแปร original_text ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การใช้งาน Hugging Face

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง pipeline สำหรับงานสรุปความโดยระบุ task เป็น "summarization" แล้วบันทึกไว้ในตัวแปร summarizer
ใช้ pipeline ที่สร้างขึ้นเพื่อสรุปข้อความ แล้วบันทึกผลลัพธ์ไว้ในตัวแปร summary_text
เปรียบเทียบความยาวของข้อความต้นฉบับกับข้อความที่สรุปได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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]['____'])}")

แก้ไขและรันโค้ด