fast_abs_rl 项目使用教程

fast_abs_rl 项目使用教程

fast_abs_rlCode for ACL 2018 paper: "Fast Abstractive Summarization with Reinforce-Selected Sentence Rewriting. Chen and Bansal"项目地址:https://gitcode.com/gh_mirrors/fa/fast_abs_rl

目录结构及介绍

fast_abs_rl 项目的目录结构如下：

fast_abs_rl/
├── LICENSE
├── README.md
├── decode_baselines.py
├── decode_full_model.py
├── decoding.py
├── eval_acl.py
├── eval_baselines.py
├── eval_full_model.py
├── evaluate.py
├── make_eval_references.py
├── make_extraction_labels.py
├── metric.py
├── requirements.txt
├── rl.py
├── train_abstractor.py
├── train_extractor_ml.py
├── train_full_rl.py
├── train_word2vec.py
├── training.py
└── utils.py

各文件功能介绍：

• LICENSE：项目许可证文件。
• README.md：项目说明文档。
• decode_baselines.py：用于解码基准模型的脚本。
• decode_full_model.py：用于解码完整模型的脚本。
• decoding.py：解码相关功能脚本。
• eval_acl.py：用于评估 ACL 论文的脚本。
• eval_baselines.py：用于评估基准模型的脚本。
• eval_full_model.py：用于评估完整模型的脚本。
• evaluate.py：评估功能脚本。
• make_eval_references.py：生成评估参考文件的脚本。
• make_extraction_labels.py：生成提取标签的脚本。
• metric.py：评估指标脚本。
• requirements.txt：项目依赖文件。
• rl.py：强化学习相关功能脚本。
• train_abstractor.py：训练抽象器模型的脚本。
• train_extractor_ml.py：训练提取器模型的脚本。
• train_full_rl.py：训练完整强化学习模型的脚本。
• train_word2vec.py：训练 Word2Vec 模型的脚本。
• training.py：训练相关功能脚本。
• utils.py：工具函数脚本。

项目的启动文件介绍

项目的启动文件主要包括以下几个：

• train_abstractor.py：用于启动抽象器模型的训练。
• train_extractor_ml.py：用于启动提取器模型的训练。
• train_full_rl.py：用于启动完整强化学习模型的训练。
• decode_full_model.py：用于启动完整模型的解码。
• evaluate.py：用于启动模型评估。

项目的配置文件介绍

项目的主要配置文件是 requirements.txt，其中列出了项目运行所需的依赖包及其版本。使用以下命令安装依赖：

pip install -r requirements.txt

此外，训练和解码脚本中包含一些命令行参数，可以通过这些参数进行配置，例如：

python train_abstractor.py --path=[path/to/save/model]

具体的参数配置可以参考各个脚本中的说明。

fast_abs_rlCode for ACL 2018 paper: "Fast Abstractive Summarization with Reinforce-Selected Sentence Rewriting. Chen and Bansal"项目地址:https://gitcode.com/gh_mirrors/fa/fast_abs_rl