آموزش خلاصه سازی متن با هوش مصنوعی با صورت در آغوش گرفته

سرفصل ها و درس ها

معرفی Introduction

• خلاصه سازی متن با هوش مصنوعی با صورت در آغوش گرفته AI Text Summarization with Hugging Face

1. درک خلاصه سازی متن استخراجی 1. Understanding Extractive Text Summarization

• پیش نیازها Prerequisites

• خلاصه سازی متن استخراجی Extractive text summarization

• نمایش های میانی برای خلاصه سازی استخراجی Intermediate representations for extractive summarization

• معیارهای ارزیابی برای خلاصه ها Evaluation metrics for summaries

2. انجام خلاصه سازی متن استخراجی با استفاده از صورت در آغوش گرفتن 2. Performing Extractive Text Summarization Using Hugging Face

• کاوش در آغوش گرفتن صورت Exploring Hugging Face

• ثبت نام برای Hugging Face Signing up for Hugging Face

• کتابخانه خلاصه برای خلاصه سازی استخراجی The sumy library for extractive summarization

• خلاصه متن استخراجی در صورت در آغوش کشیدن Extractive text summarization on Hugging Face

3. درک خلاصه سازی متن انتزاعی 3. Understanding Abstractive Text Summarization

• خلاصه متن انتزاعی Abstractive text summarization

• خلاصه سازی انتزاعی با استفاده از Hosted Inference API on Hugging Face Abstractive summarization using the Hosted Inference API on Hugging Face

4. درک ترانسفورماتور 4. Understanding Transformers

• مدل های دنباله به دنباله Sequence-to-sequence models

• توجه در مدل های دنباله به دنباله Attention in sequence-to-sequence models

• معرفی کوتاه ترانسفورماتورها A brief introduction to Transformers

• ترانسفورماتور در صورت در آغوش گرفتن Transformers in Hugging Face

5. انجام خلاصه سازی با استفاده از خط لوله صورت در آغوش گرفته 5. Performing Summarization Using a Hugging Face Pipeline

• استفاده از Colab برای کار با Hugging Face Transformers Using Colab to work with Hugging Face Transformers

• در حال بارگیری مجموعه داده های CNN Daily Mail Loading the CNN Daily Mail dataset

• پاک کردن داده های متنی Cleaning text data

• ایجاد خلاصه با ترانسفورماتورهای صورت در آغوش Generating summaries with Hugging Face Transformers

• ارزیابی خلاصه ها با استفاده از نمرات ROUGE Evaluating summaries using ROUGE scores

• خلاصه کردن متن و محاسبه امتیازات ROUGE Summarizing text and computing aggregate ROUGE scores

6. تنظیم دقیق یک مدل ترانسفورماتور برای خلاصه سازی 6. Fine-Tuning a Transformer Model for Summarization

• درک توکن سازها Understanding tokenizers

• تنظیم دقیق مدل کوچک T5 Fine-tuning the T5 small model

• هل دادن مدل به Hugging Face Hub Pushing the model to the Hugging Face Hub

• خلاصه کردن متن با استفاده از مدل دقیق تنظیم شده Summarizing text using the fine-tuned model

7. کاوش در ترانسفورماتورهای مختلف صورت در آغوش برای خلاصه کردن 7. Exploring Different Hugging Face Transformers for Summarization

• دسترسی به مجموعه داده BBC در Google Drive Accessing the BBC dataset on Google Drive

• نمونه سازی و تمیز کردن مجموعه داده خلاصه اخبار BBC Instantiating and cleaning the BBC News summaries dataset

• ایجاد خلاصه با استفاده از Pegasus Generating summaries using Pegasus

• ایجاد خلاصه های متعدد و محاسبه امتیازات ROUGE Generating multiple summaries and computing aggregate ROUGE scores

• ایجاد خلاصه با استفاده از BART Generating summaries using BART

• محاسبه معیارهای ROUGE برای مجموعه‌ای از خلاصه‌ها Computing ROUGE metrics for a set of summaries

نتیجه Conclusion

• خلاصه و مراحل بعدی Summary and next steps