Résumé de texte

Travailler avec Hugging Face

Jacob H. Marquez

Lead Data Engineer

Qu'est-ce que le résumé ?

Long texte

Extractif vs. Abstractive

Extractif :

$$ ✅ Sélectionne les phrases clés du texte

$$ ✅ Efficace, exige peu de ressources

$$ ❌ Moins flexible ; cohésion parfois moindre

Abstractive :

$$ ✅ Génère un nouveau texte reformulé

$$ ✅ Plus clair et plus lisible

$$ ❌ Demande plus de ressources et de calcul

Cas d'usage du résumé extractif

📑 Documents juridiques : met en évidence les clauses clés

💰 Recherche financière : extrait des insights

Documents juridiques

Recherche financière

Cas d'usage du résumé abstractive

Articles de nouvelles

Recommandations de contenu.jpg

📰 Articles de nouvelles : crée des résumés concis

$$ $$

📍 Recommandations de contenu : génère des descriptions attrayantes

Résumé extractif en action

from transformers import pipeline

# Load the extractive summarization pipeline
summarizer = pipeline("summarization", model="nyamuda/extractive-summarization")

text = "This is my really large text about Data Science..."
summary_text = summarizer(text)

print(summary_text[0]['summary_text'])

"data science is a field that combines mathematics, statistics...."

Résumé abstractive en action

from transformers import pipeline

# Load the abstractive summarization pipeline
summarizer = pipeline("summarization", model="sshleifer/distilbart-cnn-12-6")


text = "This is my really large text about Data Science..."
summary_text = summarizer(text)
print(summary_text[0]['summary_text'])

"The global data science platform market is projected
 is projected to reach $140.9 billion by 2025..."

Paramètres pour le résumé

✅ min_new_tokens & max_new_tokens : contrôlent la longueur du résumé

summarizer = pipeline(task="summarization", min_new_tokens=10, max_new_tokens=150)

Passons à la pratique !

Travailler avec Hugging Face