포옹 얼굴&#s BART 모델을 사용하여 텍스트 요약

오늘날 빠르게 변화하는 세상에서 기사를 빠르게 훑어보거나 연구 논문의 핵심 사항을 강조하려면 긴 형식의 콘텐츠를 간결한 요약으로 압축하는 것이 필수적입니다. Hugging Face는 텍스트 요약을 위한 강력한 도구인 BART 모델을 제공합니다. 이 기사에서는 Hugging Face의 사전 훈련된 모델, 특히 facebook/bart-large-cnn 모델을 활용하여 긴 기사와 텍스트를 요약하는 방법을 살펴보겠습니다.

Hugging Face의 BART 모델 시작하기

Hugging Face는 텍스트 분류, 번역, 요약과 같은 NLP 작업을 위한 다양한 모델을 제공합니다. 가장 인기 있는 요약 모델 중 하나는 BART(양방향 및 자동 회귀 변환기)로, 이는 대규모 문서에서 일관된 요약을 생성하도록 훈련되었습니다.

1단계: Hugging Face Transformers 라이브러리 설치

Hugging Face 모델을 시작하려면 변환기 라이브러리를 설치해야 합니다. pip를 사용하여 이 작업을 수행할 수 있습니다.

pip install transformers

2단계: 요약 파이프라인 가져오기

라이브러리가 설치되면 요약을 위해 사전 훈련된 모델을 쉽게 로드할 수 있습니다. Hugging Face의 파이프라인 API는 요약 작업을 위해 미세 조정된 facebook/bart-large-cnn과 같은 모델을 사용하기 위한 고급 인터페이스를 제공합니다.

from transformers import pipeline

# Load the summarization model
summarizer = pipeline("summarization", model="facebook/bart-large-cnn")

3단계: 요약 작성기 실행

이제 요약 도구가 준비되었으므로 긴 텍스트를 입력하여 요약을 생성할 수 있습니다. 아래는 영국의 유명 여배우 매기 스미스(Dame Maggie Smith)에 대한 기사 샘플을 사용한 예시입니다.

ARTICLE = """ Dame Margaret Natalie Smith (28 December 1934 – 27 September 2024) was a British actress. Known for her wit in both comedic and dramatic roles, she had an extensive career on stage and screen for over seven decades and was one of Britain's most recognisable and prolific actresses. She received numerous accolades, including two Academy Awards, five BAFTA Awards, four Emmy Awards, three Golden Globe Awards and a Tony Award, as well as nominations for six Olivier Awards. Smith is one of the few performers to earn the Triple Crown of Acting.
Smith began her stage career as a student, performing at the Oxford Playhouse in 1952, and made her professional debut on Broadway in New Faces of '56. Over the following decades Smith established herself alongside Judi Dench as one of the most significant British theatre performers, working for the National Theatre and the Royal Shakespeare Company. On Broadway, she received the Tony Award for Best Actress in a Play for Lettice and Lovage (1990). She was Tony-nominated for Noël Coward's Private Lives (1975) and Tom Stoppard's Night and Day (1979).
Smith won Academy Awards for Best Actress for The Prime of Miss Jean Brodie (1969) and Best Supporting Actress for California Suite (1978). She was Oscar-nominated for Othello (1965), Travels with My Aunt (1972), A Room with a View (1985) and Gosford Park (2001). She portrayed Professor Minerva McGonagall in the Harry Potter film series (2001–2011). She also acted in Death on the Nile (1978), Hook (1991), Sister Act (1992), The Secret Garden (1993), The Best Exotic Marigold Hotel (2012), Quartet (2012) and The Lady in the Van (2015).
Smith received newfound attention and international fame for her role as Violet Crawley in the British period drama Downton Abbey (2010–2015). The role earned her three Primetime Emmy Awards; she had previously won one for the HBO film My House in Umbria (2003). Over the course of her career she was the recipient of numerous honorary awards, including the British Film Institute Fellowship in 1993, the BAFTA Fellowship in 1996 and the Society of London Theatre Special Award in 2010. Smith was made a dame by Queen Elizabeth II in 1990.
"""

# Generate the summary
summary = summarizer(ARTICLE, max_length=130, min_length=30, do_sample=False)

# Print the summary
print(summary)

산출:

[{'summary_text': 'Dame Margaret Natalie Smith (28 December 1934 – 27 September 2024) was a British actress. Known for her wit in both comedic and dramatic roles, she had an extensive career on stage and screen for over seven decades. She received numerous accolades, including two Academy Awards, five BAFTA Awards, four Emmy Awards, three Golden Globe Awards and a Tony Award.'}]

출력에서 볼 수 있듯이 요약자는 기사의 주요 요점을 짧고 읽기 쉬운 형식으로 압축하여 그녀의 경력 수명 및 칭찬과 같은 주요 사실을 강조합니다.

또 다른 접근 방식: 파일의 텍스트 요약

일부 사용 사례에서는 하드코딩된 문자열이 아닌 파일에서 텍스트를 읽고 싶을 수도 있습니다. 다음은 텍스트 파일에서 기사를 읽고 요약을 생성하는 업데이트된 Python 스크립트입니다.

from transformers import pipeline

# Load the summarizer pipeline
summarizer = pipeline("summarization", model="facebook/bart-large-cnn")

# Function to read the article from a text file
def read_article_from_file(file_path):
    with open(file_path, 'r') as file:
        return file.read()

# Path to the text file containing the article
file_path = 'article.txt'  # Change this to your file path

# Read the article from the file
ARTICLE = read_article_from_file(file_path)

# Get the summary
summary = summarizer(ARTICLE, max_length=130, min_length=30, do_sample=False)

# Print the summary
print(summary)

파일 입력:

이 경우 기사를 텍스트 파일(예:article.txt)로 저장해야 하며 스크립트가 내용을 읽고 요약합니다.

결론

Hugging Face의 BART 모델은 자동 텍스트 요약을 위한 훌륭한 도구입니다. 긴 기사, 연구 논문 또는 큰 텍스트 본문을 처리하는 경우 모델을 사용하면 정보를 간결한 요약으로 추출하는 데 도움이 될 수 있습니다.

이 기사에서는 하드코딩된 텍스트 및 파일 입력을 통해 Hugging Face의 사전 훈련된 요약 모델을 프로젝트에 통합하는 방법을 보여주었습니다. 단 몇 줄의 코드만으로 Python 프로젝트에서 효율적인 요약 파이프라인을 시작하고 실행할 수 있습니다.

위 내용은 포옹 얼굴&#s BART 모델을 사용하여 텍스트 요약의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!