对文档的概括总结代码实现# 5.实现文本摘要任务# 基于pipeline函数返回需要的模型# 直接使用model来预测# 3 准备文本 送给模型对文档的概括总结代码实现# 1.加载分词器# 2.加载模型# 3.准备样本# 4.将text文本进行张量化表示# 4.将数据送入模型​# 5.将数据送入模型# 6.对模型预测结果进行真实token的映射,skip_special_tokens：跳过特殊字符

BERT采用的是最彻底的双向语言模型, 可以同时关注context before和context after.

导包:from sklearn.linear_model import LinearRegression实例化模型: estimator = LinearRegression()训练模型: estimator.fit(x_train, y_train)模型预测: estimator.predict(x_test)