应用场景 适用条件与范围 新闻摘要：从新闻文章中自动生成摘要，帮助读者快速了解主要内容。 学术研究：为学术论文、报告等长篇文档生成摘要，提高研究效率。 企业文档管理：自动提取会议记录、报告、电子邮件等业务文档的关键信息。 法律文件处理：从法律文档如案件记录、法律意见书中生成摘要。 医疗记录摘要：从病历报告中提取关键信息，便于医生快速获取病人状况。 内容推荐系统：为文章、博客或视频内容生成摘要，提升用户体验。 对象 新闻机构和记者：快速发布新闻摘要，提高工作效率。 学者和研究人员：快速理解文献要点，节省阅读时间。 企业员工：管理和处理大量业务文档。 法律专业人员：高效处理和分析法律文件。 医疗专业人员：快速获取病历要点，提高诊疗效率。 内容平台运营者：为用户提供内容摘要，增加内容吸引力。 禁用场景 不得用于误导性摘要：禁止生成可能误导读者的摘要，如歪曲事实或夸大事实。 避免涉及敏感信息：在处理涉及个人隐私或敏感信息的文档时，必须遵守隐私保护法律法规。 禁止用于非法目的：不得将文本摘要用于任何非法或不道德的活动。
文本摘要是自然语言处理（NLP）中的一个关键任务，目的是生成一个简短的文本段落，能够概括原始文本的主要内容。以下是文本摘要任务的算法规则简要说明： 1. 数据预处理 文本清洗：去除无关内容，如广告、非文本元素等。 分词和标准化：对文本进行分词处理，并统一格式。 2. 摘要类型 提取式摘要：从原文中选择关键句子或短语来形成摘要。 生成式摘要：基于原文内容生成新的、连贯的摘要文本。 3. 特征提取 关键词提取：识别文本中的关键词和短语。 语义理解：通过深度学习模型理解文本的主题和语境。 4. 模型训练 统计方法：基于词频、位置等统计信息进行提取式摘要。 深度学习方法：使用循环神经网络（RNN）、长短时记忆网络（LSTM）、变压器（Transformer）模型等进行生成式摘要。 5. 摘要生成 提取式：根据特征重要性选择并组合原文中的句子。 生成式：使用语言模型生成连贯且概括性的新文本。 6. 后处理和优化 长度控制：根据需求调整摘要的长度。 质量控制：检查摘要的连贯性和准确性，确保其忠实于原文。 7. 评估 人工评估：通过人工阅读来评估摘要的质量。 自动评估指标：使用ROUGE分数等指标评
| 字段名 | 类型 | 描述 |
|---|---|---|
类别 |
-- | -- |
输入 |
-- | -- |
结果 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 类别 | 文本摘要 |
| 输入 | 4月在大连引发万人围观的荧光海么?秦皇岛海港区5月底也出现了一片梦幻海滩。这并非 |
| 结果 | 组图：多地出现“荧光海滩”奇景景色优美但或危害渔业 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/22234