一、项目技术

开发语言：Python
python框架：Django
软件版本：python3.7/python3.8
数据库：mysql 5.7或更高版本
数据库工具：Navicat11
开发软件：PyCharm/vs code
前端框架:vue.js

二、项目内容和功能介绍

  🎈1.项目内容

  利用深度神经网络Encoder-Decoder基本框架，通过引入注意力模型，本次将尝试实现应用LSTM+attention算法自动生成新闻摘要。首选利用LSTM神经网络编码出中间语义特征,最后利用注意力模型与LSTM神经网络解码出中间语义特征，最终实现自动生成新闻摘要。本次实现算法模型采用keras神经网络编程框架，数据集为中文数据，由于数据量稍微有点大。

  🎈2.功能介绍

  功能需求：
1、数据处理： 编写数据处理模块，将新闻文本数据进行清洗、分词、向量化等预处理操作，以便于输入 LSTM 模型。
2、LSTM 模型构建： 创建一个 LSTM 模型，包括一个 LSTM 编码器和一个解码器。编码器将输入文本编码成语义向量，解码器将该向量解码成摘要文本。
3、训练模型： 实现模型的训练过程，包括定义损失函数、选择优化器、迭代训练模型参数，并根据训练数据不断调整模型。
4、摘要生成： 开发摘要生成模块，用于输入一篇新闻文本，通过训练好的 LSTM 模型生成对应的摘要。
5、评估模型： 编写评估模块，使用自动评价指标（如 ROUGE）或人工评价指标来评估生成摘要的质量，帮助改进模型。
6、用户界面（可选）： 如有需要，创建一个简单的用户界面，方便用户输入新闻文本并获取生成的摘要。
7、模型保存与加载： 实现模型的保存和加载功能，以便在训练完成后保存模型，并在需要时重新加载模型进行推理。
8、文档和演示： 撰写项目文档，包括代码注释、模型结构图、使用说明等，以及进行毕设演示，展示系统的功能和效果。毕设答辩常见问题的解答

三、核心代码

部分代码：

def config_page(request):
    '''
    获取参数信息
    :return:
    '''
    if request.method in ["POST", "GET"]:
        msg = {"code": normal_code, "msg": mes.normal_code,
               "data": {"currPage": 1, "totalPage": 1, "total": 1, "pageSize": 10, "list": []}}
        req_dict = request.session.get('req_dict')
        msg['data']['list'], msg['data']['currPage'], msg['data']['totalPage'], msg['data']['total'], \
        msg['data']['pageSize'] = config.page(config, config, req_dict)
        return JsonResponse(msg)


def config_list(request):
    '''
    '''
    if request.method in ["POST", "GET"]:
        msg = {"code": normal_code, "msg": mes.normal_code,
               "data": {"currPage": 1, "totalPage": 1, "total": 1, "pageSize": 10, "list": []}}
        req_dict = request.session.get("req_dict")

        msg['data']['list'], msg['data']['currPage'], msg['data']['totalPage'], msg['data']['total'], \
        msg['data']['pageSize'] = config.page(config, config, req_dict)

        return JsonResponse(msg)


def config_info(request, id_):
    '''
    '''
    if request.method in ["POST", "GET"]:
        msg = {"code": normal_code, "msg": mes.normal_code, "data": {}}

        data = config.getbyid(config, config, int(id_))
        if len(data) > 0:
            msg['data'] = data[0]
        return JsonResponse(msg)


def config_detail(request, id_):
    '''
    '''
    if request.method in ["POST", "GET"]:
        msg = {"code": normal_code, "msg": mes.normal_code, "data": {}}

        data = config.getbyid(config, config, int(id_))
        if len(data) > 0:
            msg['data'] = data[0]
        return JsonResponse(msg)


def config_save(request):
    '''
    创建参数信息
    :return:
    '''
    if request.method in ["POST", "GET"]:
        msg = {"code": normal_code, "msg": mes.normal_code, "data": {}}

        req_dict = request.session.get('req_dict')
        param1 = config.getbyparams(config, config, req_dict)
        if param1:
            msg['code'] = id_exist_code
            msg['msg'] = mes.id_exist_code
            return JsonResponse(msg)

        error = config.createbyreq(config, config, req_dict)
        logging.warning("save_config.res=========>{}".format(error))
        if error != None:
            msg['code'] = crud_error_code
            msg['msg'] = error
        return JsonResponse(msg)


def config_add(request):
    '''
    '''
    if request.method in ["POST", "GET"]:
        msg = {"code": normal_code, "msg": mes.normal_code, "data": {}}
        req_dict = request.session.get("req_dict")

        error = config.createbyreq(config, config, req_dict)
        if error != None:
            msg['code'] = crud_error_code
            msg['msg'] = error
        return JsonResponse(msg)


def config_update(request):
    '''
    更新参数信息
    :return:
    '''
    if request.method in ["POST", "GET"]:
        msg = {"code": normal_code, "msg": mes.normal_code, "data": {}}

        req_dict = request.session.get('req_dict')

        config.updatebyparams(config, config, req_dict)

        return JsonResponse(msg)

四、效果图