赛题内容
标题生成：Rouge-L（20%）
摘要生成：抽取、生成
WEB系统：系统运行流畅、UI界面（60%）
技术文档：（20%）
Day1:五月8日🧐
研训的时候复现了基础的论文，这学期初也做了一些Django开发的工作，接下来想尝试一下两者结合
Day2:五月10日🕊
emm期末提前了，暂时没有时间了属实，找了一些资料，等考完再搞叭，属于玩一玩?的项目，准备记录一下自己bug的工程过程，以免之后做同类的找不到参考？嗯嗯
Day3:五月17日👩🏼💻复习和数据预处理
复习《认知科学》遇到瓶颈，然后撸一下项目；
- Web前后端大概框架，数据库配置
- 数据预处理和token生成，暂时用的是开源预训练的中文token
一些参考资料：
一些已知的参数：
| 数据集 | 大小 | 内容[没有header以及col_iindex] |
|---|---|---|
| train | 5850 | （标题，正文） |
| dev | 1679 | （标题，正文） |
Day4：五月18日🐵数据增广和GPU
试着去扩充了一下数据，爬虫使用的是“美味的汤”，效果还行，主要是选的网站没啥反爬和加密就很舒服~但是爬出来的内容数据格式是<p ……>内容……</p>
解决方案是正则，啊哈哈，之前编译原理答辩的时候听说有同学没用DFA直接用python自带的正则表达式，今天用了才知道——着实方便！（下面是简单示例每个板块只爬了5个，其实可以爬很多，是没有限制的良心网站）
然后是服务器的使用问题，这个是肯定得用到GPU的，但是实验室那边……不是很想蹭，于是转向Kaggle,需要科学上网，切记科学上网+谷歌浏览器，这样一般不会遇到奇奇怪怪的问题。Kaggle资源是30h每周，昂，听说不是很稳定，但是目前来看应该是够的
Day5: 6月11日😜网站本地搭建（1）
- 1、网站总体UI设计
- 2、爬虫功能：数据展示(速度其实不算是特别慢，所以暂时就不搞那种同步输出了)
1. 爬虫模块设计思路
输入的是类别，然后按照类别爬取
Day6-7:6月12日 逃不掉用户的登录和注册模块
- 前台登录
- 前台注册
- 后台用户信息增删改查
- 爬虫信息的汇集、下载
BUGS：如何修改数据库表单结构
- 不是很麻烦，UserInfo一开始设置的时候忘记加上state信息，导致管理员那边有冲突，只需要添加数据段所以方法二够用了，直接在models里面添加列，然后设置默认值，直接两步make……就ok啦
【解决方案】-已解决
Day8-9: 6月17日 TextRank
基于TextRank的中文摘要工具 | Jayvee’s Blog (jayveehe.github.io)
评分要求
1、标题生成算法评测（20%）：
在规定时间提交标题生成测试集的结果，根据模型测试评分得到参赛者榜单排名，按照排名计算成绩。
2、WEB系统（60%）：
（1） 实现标题生成和摘要抽取(生成)两大功能（30%）
（2） 系统运行流畅，UI界面合理和美观，人机交互友好（30%）
3、技术文档详细且清楚，展示汇报逻辑清晰、亮点突出（20%）
