基于TF-IDF、TensorFlow、词云及LDA的新闻自动摘要推荐系统——深度学习算法的应用（附带ipynb源码和训练数据集）

简介：
本项目构建了一个结合TF-IDF、TensorFlow与LDA技术的新闻自动摘要推荐系统，利用词云可视化关键信息。提供源代码及训练数据集以供参考。 本项目利用了TF-IDF关键词提取技术，并结合词云数据可视化、LDA（Latent Dirichlet Allocation）模型训练及语音转换系统，来开发一个基于TensorFlow的文本摘要程序。 项目的运行环境包括Python环境和Tensorflow环境。整个项目包含六个模块：数据预处理、词云构建、关键词提取、语音播报、LDA主题模型以及模型构建。该项目使用了清华大学NLP实验室推出的中文文本数据集THUCNews，并借助jieba库进行中文分词工作。通过运用TF-IDF算法，成功实现了关键词的提取；这些关键字随后会利用pyttsx3转换成语音进行播放。同时，项目还采用了文档主题生成模型LDA来进行文档的主题建模。 项目的准确率达到了97.04%。