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 i

Tensorflow Seq2seq文本汇总 该分支在tensorflow r1.1中使用新的tf.contrib.seq2seq API。 对于r1.0用户，请检查 这是使用双向GRU编码器和GRU解码器的序列到序列模型的实现。 该项目旨在帮助人们立即开始进行抽象短文本摘要化。 希望它也可以在机器翻译任务上工作。 数据集 请检查 。 预训练模型 用法 设定环境 使用GPU 如果您想训练模型并拥有Nvidia GPU（例如GTX 1080，GTX Titan等），请设置CUDA环境并安装te