تلخيص النص Text Summarization باستخدام NLTK في بايثون

لاتوجد دالة أو وحدة جاهزة في NLTK للقيام بذلك مباشرةً، لكن يمكنك استخدام NLTK العملية كما في المثال التالي:

# استيراد الوحدات
from nltk.tokenize import word_tokenize, sent_tokenize
import nltk
from nltk.corpus import stopwords
# قم بتحديد النص المراد تلخيصه
text = """ """
# nltk الحصول على كلمات التوقف المعرفة في  
stopWords = set(stopwords.words("english"))
# تقسيم النص إلى وحدات
tokens = word_tokenize(text)
#  إنشاء قاموس للاحتفاظ بنتيجة كل كلمة
# score تسمى
# نقصد بالنتيجة عدد المرات التي تظهر فيها كل كلمة بعد إزالة كلمات التوقف
freq = dict()
for w in tokens.lower():
    if w in stopWords:
        continue
    if w in freq:
        freq[w] += 1
    else:
        freq[w] = 1
# freqTable الخطوة التالية هي تعيين درجة لكل جملة بناءً على الكلمات التي تحتوي عليها وجدول التردد
# score إنشاء قاموس للاحتفاظ بنتيجة كل جملة
all_sentences = sent_tokenize(text)
sentenceScore = dict()
# الآن نقوم بالمرور على كل جملة
for sentence in all_sentences:
    for w, freq in freq.items():
        if w in sentence.lower():
            if sentence in sentenceScore:
                sentenceScore[sentence] += freq
            else:
                sentenceScore[sentence] = freq
"""
# الآن الخطوة التالية هي بتعيين درجة معينة لمقارنة الجمل في النص
# scores وتتمثل الطريقة الأبسط لمقارنة ال 
# الجملة score في إيجاد متوسط
# مناسبة threshold  ويمكن أن يكون المتوسط نفسه
"""
s = 0
for sent in sentenceScore:
    s += sentenceScore[sent]
avg = s // len(sentenceScore)
# نقوم الآن بتطبيق قيمة العتبة وتخزين الجمل بالترتيب في الملخص.
smy = ''
for sent in all_sentences:
	if (sent in sentenceScore) and (sentenceScore[sent] > (1.2 * average)):
		smy += " " + sent
print(smy)