欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

可视化展示——论文相似度分析页面设计

程序员文章站 2022-03-22 20:22:05
...

论文相似度分析页面设计:

实现导航栏的效果:(点击研究背景、研究问题、贡献、方法、实验可以分别得到其结果)
(里面的内容只是为了简单的展示,是以前的图,后期根据队友的结果需要更改)

可视化展示——论文相似度分析页面设计
可视化展示——论文相似度分析页面设计

代码目录:
可视化展示——论文相似度分析页面设计
代码:(只展示了其中一个)

<!DOCTYPE html>
<html>

<head>
    <meta charset="UTF-8">
    <title>论文相似度</title>
    <link rel="stylesheet" href="https://cdn.staticfile.org/twitter-bootstrap/3.3.7/css/bootstrap.min.css">
    <script src="https://cdn.staticfile.org/jquery/2.1.1/jquery.min.js"></script>
    <script src="https://cdn.staticfile.org/twitter-bootstrap/3.3.7/js/bootstrap.min.js"></script>
    <script type="text/javascript" src="https://assets.pyecharts.org/assets/echarts.min.js"></script>
    <style type="text/css">
        /* Custom Styles */
              .jumbotron {
            background: #d9edf7;
        }
      </style>
</head>

<body >
    <div class="container">
        <div class="jumbotron" >
            <h1 class="text-center">
                论文相似度
            </h1>
        </div>
        
            <nav role="navigation" class="navbar navbar-static-top navbar-default">
              <div class="container">
                <div class="navbar-header">
                  <a class="navbar-brand">相似度分析</a>
                </div>
                
                <ul class="nav navbar-nav">
                  <li class="active"><a>研究背景</a></li>
                  <li><a  href="./analysis1.html">研究问题</a></li>
                  <li><a  href="./analysis2.html">贡献</a></li>
                  <li><a  href="./analysis3.html">方法</a></li>
                  <li><a  href="./analysis4.html">实验</a></li>
                </ul>
                
              </div>
            </nav>
        
            <div class="panel-body">
                <!-- outlinks 图片展示 -->
                <div id="29e39514639946e3822646c9c4b1a6a9" style="width:900px; height:500px;"></div>
                <script>
                    var chart_29e39514639946e3822646c9c4b1a6a9 = echarts.init(
                        document.getElementById('29e39514639946e3822646c9c4b1a6a9'), 'roma', {renderer: 'canvas'});
                    var option_29e39514639946e3822646c9c4b1a6a9 = {
                "series": [
                    {
                        "type": "graph",
                        "layout": "force",
                        "circular": {
                            "rotateLabel": false
                        },
                        "force": {
                            "repulsion": 1500,
                            #以下太长,省略
 chart_29e39514639946e3822646c9c4b1a6a9.setOption(option_29e39514639946e3822646c9c4b1a6a9);

</body>
</html>

colab运行Deep Keyphrase Extraction using BERT

1.上传BERT-Keyword-Extractor-master文件夹到谷歌云端硬盘中:
可视化展示——论文相似度分析页面设计
2.在colab中加载云端硬盘:

from google.colab import drive
drive.mount('/content/drive')

3.更改运行目录:

import os
os.chdir("./drive/My Drive/BERT-Keyword-Extractor-master/BERT-Keyword-Extractor-master")

4.配置相应的运行环境并使用GPU运行:
环境要求:

pytorch 1.0
python 3.6
pytorch-pretrained-bert 0.4.0

! pip3 install pytorch_pretrained_bert==0.4.0
! pip3 install seqeval

可视化展示——论文相似度分析页面设计
5.报错如下:
可视化展示——论文相似度分析页面设计
解决:

>>> import nltk
>>> nltk.download('punkt')

结果:
可视化展示——论文相似度分析页面设计
6.运行以下代码进行训练:

! python3 ./main.py --data "maui-semeval2010-train" --lr 2e-5 --batch_size 32 --save "model.pt" --epochs 3 

可视化展示——论文相似度分析页面设计

! python3 keyword-extractor.py --sentence "BERT is a great model." --path "model.pt"    

需要注意:在keyword-extractor.py文件中需要添加一行:

import numpy as np

结果:
可视化展示——论文相似度分析页面设计
参考:

https://www.jianshu.com/p/a42d69568966
https://github.com/ibatra/BERT-Keyword-Extractor

上述内容详见:

https://blog.csdn.net/qq_41798302/article/details/106826574

相关标签: 可视化 python