sumyで最大文字数を指定して要約

Question

前提・実現したいこと

pythonで自動要約ライブラリのsumyを用いてプログラムの作成しようと思っています。
最大文字数を指定して、その文字数以下の要約文になるようにしたいのですが、その方法が分かりません。どうかお力添えいただきたいです。

プログラムはこちらのサイトを参考にしました(というかほぼ一緒です)

該当のソースコード

from janome.analyzer import Analyzer
from janome.charfilter import UnicodeNormalizeCharFilter, RegexReplaceCharFilter
from janome.tokenizer import Tokenizer as JanomeTokenizer  # sumyのTokenizerと名前が被るため
from janome.tokenfilter import POSKeepFilter, ExtractAttributeFilter
from janome.analyzer import Analyzer
from janome.charfilter import *
from janome.tokenfilter import *
import re
from sumy.parsers.plaintext import PlaintextParser
from sumy.nlp.tokenizers import Tokenizer
from sumy.summarizers.lex_rank import LexRankSummarizer

def fn_start_document_summarize():
    file=(r"ファイルパス")
    with open(file,encoding='utf-8') as f:
        contents = f.readlines() #ファイルのテキスト読み込み

    contents = ''.join(contents) #contents要素を結合

    text = re.findall("[^。]+。?", contents.replace('\n', ''))
    #contentsをreplace処理後の要素から、"。"以外の文字から"。"までの要素で区切って配列へ格納
    #re.findall(指定するフィルター,調べる対象)
    #(text＝文章ごとに要素に分ける)

    print(text)
    tokenizer = JanomeTokenizer('japanese') #単語分割、品詞付与の言語選択
    char_filters=[UnicodeNormalizeCharFilter(), RegexReplaceCharFilter(r'[()「」、。]', ' ')]
    token_filters=[POSKeepFilter(['名詞', '形容詞', '副詞', '動詞']), ExtractAttributeFilter('base_form')]
    #ExtractAttributeFilter＝POSKeepFilterの品詞の基本形を抽出
    # 形態素解析(単語単位に分割する)
    analyzer = Analyzer(
        char_filters=char_filters,
        tokenizer=tokenizer,
        token_filters=token_filters
    )

    corpus = [' '.join(analyzer.analyze(sentence)) + u'。' for sentence in text]
    #text配列の各要素に右記実行⇒基本形で抽出された単語をスペースで連結
    print("corpus=",corpus)
    print("corpus_len=",len(corpus))

    # 文書要約処理実行
    # from sumy.parsers.plaintext import PlaintextParser
    # from sumy.nlp.tokenizers import Tokenizer
    # from sumy.summarizers.lex_rank import LexRankSummarizer

    parser = PlaintextParser.from_string(''.join(corpus), Tokenizer('japanese'))
    #PlaintextParser＝文字列・ファイルから文書読み込み
    #基本形で連結した文字列を再び単語に分ける

    # LexRankで要約を原文書の3割程度抽出
    summarizer = LexRankSummarizer()
    summarizer.stop_words = [' ']

    # 文書の重要なポイントは2割から3割といわれている?ので、それを参考にsentences_countを設定する。
    summary = summarizer(document=parser.document, sentences_count=int(int(len(corpus) / 10 * 3)))
    #sentences_count =30%設定

    print("contents_len=",len(contents))
    print(int(len(corpus) / 10 * 3))
    print(u'文書要約結果')
    for sentence in summary:
        print(text[corpus.index(sentence.__str__())])
        #text[corpus配列(指定した文数.文字列にして返す)]


if __name__ == '__main__':
    #def mainとmain()を同時に実行
    fn_start_document_summarize()

##補足（FW/ツールのバージョンなど）
pycharmを利用しています。
Python 3.8.5
OS：windows10

Answer 1

GitHubのリポジトリに載っているsumyのソースを読んでください。

あなたが提示した(他人の作った)コードで利用しているLexRankSummarizerも、それ以外のサマライザーにも、「最大文字数を指定」するような機能は付いていません。sentences_countに要約文の行数(文の個数)を指定するだけです。

Comments

[asibarai]

そうなんですね、わかりました。回答ありがとうございます。