【文件属性】：
文件名称：讲座_视频_概述：应用深度学习最终项目
文件大小：154KB
文件格式：ZIP
更新时间：2021-02-28 11:51:52
JupyterNotebook
讲座视频总结
该代码被用作我在2020年秋季在哥伦比亚大学进行的应用深度学习课程（COMS 4995）的最终项目。该代码分为4部分。
预处理：这用于将我的课程成绩单存储库转换为唯一的结构化数据集。 我希望将其以csv的形式存储，以便易于阅读和编辑。
基于单词嵌入的基本摘要：此代码用于构建基线模型，该基线模型计算每个文档的文档嵌入，并选择与整个文档嵌入的余弦相似度最高的3个句子作为摘要。 句子嵌入是通过对单词嵌入词进行平均来计算的，并将文档嵌入作为文档中所有句子嵌入的平均值。
BERT的提取摘要：此代码使用经过微调的BERT嵌入来实现双向上下文嵌入。 默认情况下，BERT为序列中的每个单词提供句子嵌入以及上下文单词嵌入。 因此，使用句子嵌入，我计算了句子中的2-3个群集（可以对群集进行实验（我将我安放在3个群集上，每个群集取1个句子），并计算群集的质心。 然后，我发现了最接近聚类的句子
【文件预览】：
Lecture_Video_Summarization-main
----BERT_Extractive_Summarization_Centroid_Method.ipynb(147KB)
----Abstractive_Summarization_with_HuggingFace.ipynb(120KB)
----Using_GloVe_Embeddings_For_Summarization.ipynb(192KB)
----README.md(2KB)
----Final_Project_Preprocessing.ipynb(35KB)