1. 项目概述:基于Flask的新闻摘要自动生成系统
这个计算机毕业设计项目实现了一个基于自然语言处理技术的新闻摘要自动生成系统。系统采用Flask作为后端框架,整合了BART中文预训练模型和腾讯混元大模型,能够自动从新闻文本中提取关键信息并生成简洁准确的摘要。
作为一名从业多年的全栈开发者,我认为这个项目完美结合了当前最热门的大数据深度学习技术和实用的Web开发框架,非常适合作为计算机专业学生的毕业设计选题。它不仅涵盖了自然语言处理的核心技术,还包含了完整的前后端开发流程,能够全面锻炼学生的工程实践能力。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计
2.1 技术栈选型
系统采用前后端分离架构,主要技术栈包括:
- 前端:HTML5、CSS3、JavaScript、Bootstrap 5
- 后端:Python Flask框架
- 数据库:SQLite + SQLAlchemy ORM
- NLP模型:BART中文预训练模型 + 腾讯混元大模型API
这种技术组合的优势在于:
- Flask轻量灵活,适合快速开发原型系统
- SQLite无需单独部署,简化开发环境配置
- 双模型设计既保证了本地运行的可靠性,又能利用大模型的强大能力
2.2 核心模块设计
系统主要包含以下功能模块:
- 用户管理模块:处理注册、登录、会话管理
- 摘要生成模块:核心NLP处理功能
- 模型管理模块:BART和混元大模型的加载与调用
- 评价反馈模块:收集用户对摘要质量的评价
- 历史记录模块:保存用户操作记录
3. 关键技术实现
3.1 Flask后端实现
Flask应用的初始化配置需要注意以下几点:
python复制from flask import Flask
from flask_sqlalchemy import SQLAlchemy
app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///news_summary.db'
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
app.config['SECRET_KEY'] = 'your-secret-key-here'
