若在Ubuntu環境下，可直接執行以下指令：
sudo bash install.sh
若在其他環境下，請參照install.sh與requirements.txt來安裝相關python3套件
若相關套件已安裝成功，請更改setup.sh並source它。
JIEBA_DATA: jieba 資料中 extra_dict 的路徑，用於斷詞。DATA: 你想把爬下來的 PTT 資料放哪，舉例來說從八卦版爬下來的資料會放在$DATA/raw/Gossiping/POSTS: 你想把產生的新聞放在哪裡。TEMPLATE: 你把新聞的 template 放在哪裡。DOC: 搜尋圖片時用到的DB位置 (目前未直接公開，歡迎來信聯絡)TFIDF_DATA: DB的tf-idf資訊 (目前未直接公開，歡迎來信聯絡)PYTHONPATH: 這個 repository 的路徑DBDATA: 建立DB所用的PTT資料，產生新聞時不會用到
python3 journalist.py
journalist.py: 主要執行程式DrQA: 來自DrQA，用於搜索相關文章與圖片lists: 修改board.list來選擇要爬PTT的哪些看板，hot_board.list則用來標示特別熱門的看板。utils: 爬文、分析、新聞產生...等等模組。news_data: 產生新聞所需要的資料，目前以lfs儲存。
因為一些隱私權問題，我們並沒有直接公開資料庫。
目前使用 "Reading Wikipedia to Answer Open-Domain Questions", ACL 2017 提供的 search engine 演算法來找適合的圖片。
您可直接省略需要用到此DB的程式碼、跳過自動搜尋合適圖片的步驟，或來信與我們聯絡取得DOC與TFIDF_DATA。
目前使用 TextRank 抓出內文重點與重要回文後，將其填進我們撰寫的簡單模板(template)來產生新聞。
其他嘗試中的方法：
- “Abstractive Sentence Summarization with Attentive Recurrent Neural Networks”, NAACL 2016: 容易 overfitting 且無法處理中文因斷詞所以 vocabulary size 太大的問題
- "Get To The Point: Summarization with Pointer-Generator Networks", ACL 2017: 現在正在嘗試的 model，處理 OOV 的能力很不錯，但是產生出來的摘要在文法上略嫌不通順，可能是 training data 的問題。
Training data 為從蘋果, 自由時報等新聞網站爬下來約 10 萬篇新聞。
同樣因為一些著作權問題不太方便公開 training data。如果你對自動產生文章有心得或是想要提供中文文章與摘要的 data，歡迎和我們聯絡。
Update: 現在我使用一份叫做 CIRB010 的 data，實際測試在 pointer-generator networks 上後結果還算能接受，但是文法不通順的問題仍待解決。
- Code需要進一步整理來減少不必要的運算
- Pre-processing與summarize改良
DataBase 與搜尋圖片演算法的改良- 自動產生內文而不依賴 template
- PTT-Chat-Generator:
util/ptt_filter.py的原型 - ptt-web-crawler:
util/crawler的原型 - TextRank4ZH: 中文 TextRank 的實作
- DrQA: 用於搜索相關文章與圖片
- jieba: 中文斷詞