介紹
“我不想要完整的報告，只需給我一個結果摘要”。我發現自己經常處於這種狀況——無論是在大學還是在職場中。我們準備了一份綜合全面的報告，但教師/主管卻僅僅有時間閱讀摘要。
聽起來很熟悉？好吧，我決定對此採取一些措施。手動將報告轉換為摘要太耗費時間了，對吧？那我可以依靠自然語言處理（NLP）技術來幫忙嗎？
自然語言處理（NLP）
https://courses.analyticsvidhya.com/courses/natural-language-processing-nlp?utm_source=blog&utm_medium=comprehensive-guide-text-summarization-using-deep-learning-python
這就是使用深度學習的文字摘要真正幫助我的地方。它解決了以前一直困擾著我的問題——現在我們的模型可以理解整個文字的上下文。對於所有需要把文件快速摘要的人來說，這個夢想已成現實！
我們使用深度學習完成的文字摘要結果如何呢？非常出色。因此，在本文中，我們將逐步介紹使用深度學習構建文字摘要器的過程，其中包含構建它所需的全部概念。然後將用Python實現我們的第一個文字摘要模型！
注意：本文要求對一些深度學習概念有基本的瞭解。 我建議閱讀以下文章。
A Must-Read Introduction to Sequence Modelling (with use cases)
https://www.analyticsvidhya.com/blog/2018/04/sequence-modelling-an-introduction-with-practical-use-cases/?
utm_source=blog&utm_medium=comprehensive-guide-text-summarization-using-deep-learning-python
Must-Read Tutorial to Learn Sequence Modeling (deeplearning.ai Course #5)
https://www.analyticsvidhya.com/blog/2019/01/sequence-models-deeplearning/?utm_source=blog&utm_medium=comprehensive-guide-text-summarization-using-deep-learning-python
Essentials of Deep Learning: Introduction to Long Short Term Memory
https://www.analyticsvidhya.com/blog/2017/12/fundamentals-of-deep-learning-introduction-to-lstm/?utm_source=blog&utm_medium=comprehensive-guide-text-summarization-using-deep-learning-python
目錄
1. NLP中的文字摘要是什麼？
2. 序列到序列（Seq2Seq）建模簡介
3. 理解編碼器（Encoder）-解碼器（Decoder）架構
4. 編碼器-解碼器結構的侷限性
5. 注意力機制背後的直覺
6. 理解問題陳述
7. 使用Keras在Python中實現文字摘要模型
8. 注意力機制如何運作？
我在本文的最後面保留了“注意力機制如何運作？”的部分。這是一個數學密集的部分，並不強制瞭解Python程式碼的工作原理。但是，我鼓勵你通讀它，因為它會讓你對這個NLP概念有一個堅實的理解。