nlpformyself/question-and-answer-summary-and-reasoning

A project for summarization in tf2 and pytorch

问答摘要与推理项目

question and answer summary and reasoning

训练集（82943条记录）建立模型，基于汽车品牌、车系、问题内容与问答对话的文本，输出建议报告文本。

测试集（20000条记录）使用训练好的模型，输出建议报告的结果文件。

项目文件说明

seq2seq_pgn_tf2文件下是使用tensorflow2.0搭建完成的两个模型，一个是baseline版本的seq2seq模型，另外一个是基于seq2seq的Pointer-Generator Networks（PGN）模型。

seq2seq_paddle是使用paddlepaddle搭建的模型（暂停开发）

代码部分

seq2seq_pgn_tf2文件下baseline版本的seq2seq模型

1. preprocess.py

完成原始数据的解析与存储

2. data_reader.py

读取数据，并建立vocab

3. utils/build_w2v.py

利用word2vector方法预训练词向量

4. main.py

完成模型的训练和预测

seq2seq_pgn_tf2文件下PGN模型

程序执行顺序参照上一个模型

seq2seq_pgn_tf2文件下PGN模型(改用transformer单元结构)

开发中。。。

优秀作业分享

HCT一期

tf2版本的PGN模型

https://github.com/shellrazer/Project_1_kaikeba

HCT二期

tf2版本的PGN模型

https://github.com/Light2077/QA-Abstract-And-Reasoning

paddlepaddle版本的seq2seq

https://github.com/Abner1zhou/Q-A-Summary-and-Reasoning

pytorch版本的PGN模型

https://github.com/425776024/summary

https://github.com/quanterk/pgn_summarization_for_baidu_competition