【文件属性】：
文件名称：抽象文本摘要Seq2Seq使用GRU
文件大小：30KB
文件格式：ZIP
更新时间：2021-02-12 03:47:00
JupyterNotebook
使用GRU的抽象文本摘要（Seq2Seq）
抽象文本摘要
首先，我们可以将问题形成为单词级别的序列到序列问题（序列预测问题），其中输入序列是长英语语句，而输出是长度较短，含义相同，不同字摘要。
通常，序列到序列学习中的输入序列和输出序列具有不同的长度（例如文本摘要和机器翻译），并且需要整个输入序列才能开始预测目标。
在Keras中，过程如下：
A RNN layer (Here, we will use GRU) acts as "Encoder": it processes the input sequence and returns its own internal state.
Another RNN layer (GRU) acts as "Decoder": it is trained to predict the next words of the target seq
【文件预览】：
Abstractive-Text-Summarization-Seq2Seq-using-GRU-master
----attention.py(5KB)
----README.md(2KB)
----TextSummarizerGRU.ipynb(83KB)
----Dataset(148B)