آموزش ساخت اپلیکیشن خلاصه‌ساز هوشمند متن فارسی با پایتون و هوش مصنوعی

تو این پروژه یاد خواهید گرفت که چطور با استفاده از قدرت هوش مصنوعی و مدل‌های Transformer، یک وب‌اپلیکیشن حرفه‌ای بسازید که متن‌های طولانی فارسی را در چند ثانیه تحلیل و خلاصه‌سازی می‌کند. پروژه‌ای جمع‌وجور اما کاملاً کاربردی برای رزومه و بازار کار.

بدنه اصلی محتوا

شاید تا چند سال پیش، خلاصه‌سازی متن به زبان فارسی یک چالش فنی بزرگ بود؛ اما امروز به لطف مدل‌های زبانی پیشرفته و کتابخانه‌های قدرتمند پایتون، شما می‌توانید تنها با چند ده خط کد، یک ابزار واقعی و کاربردی بسازید که مثل یک انسان، مفهوم متن را می‌فهمد و آن را کوتاه می‌کند.

توی این آموزش، قراره از صفر تا صدِ ساخت یک وب‌اپلیکیشن خلاصه‌ساز فارسی رو با هم پیش ببریم.

گام ۱: آماده‌سازی محیط و نصب ابزارها

اولین قدم، نصب کتابخانه‌هایی هست که نقش موتور محرک پروژه ما رو دارن. ما از Streamlit برای طراحی سریع ظاهر سایت و از Transformers برای دسترسی به مدل‌های هوش مصنوعی استفاده می‌کنیم.

توی پوشه پروژه‌تون، ترمینال رو باز کنید و این دستور رو بنویسید:

نکته: چون مدل هوش مصنوعی (ParsBERT) مستقیماً روی سیستم شما لود میشه، دفعه اول حدود ۲ گیگابایت دانلود خواهید داشت.

Bash

pip install streamlit transformers torch sentencepiece

گام ۲: ایجاد فایل اصلی پروژه

یک فایل پایتون به نام app.py بسازید. این فایل هم‌زمان هم مدیریت ظاهر سایت رو بر عهده داره و هم پردازش‌های هوش مصنوعی رو انجام میده.

گام ۳: پیاده‌سازی کد اپلیکیشن

کدهای زیر رو در فایل app.py قرار بدید. ما اینجا از یک مدل بهینه شده برای زبان فارسی (T5-ParsBERT) استفاده کردیم که قدرت عجیبی در درک جملات خبری و مقالات فارسی داره:

Python

import streamlit as st
from transformers import pipeline

# ۱. شخصی‌سازی ظاهر صفحه
st.set_page_config(page_title="خلاصه‌ساز هوشمند فارسی", page_icon="📝")

# ۲. تابع بارگذاری مدل با قابلیت Cache (برای سرعت بالاتر در اجراهای بعدی)
@st.cache_resource
def load_ai_model():
    model_name = "m3hrdadfi/t5-base-parsbert-summarization"
    return pipeline("summarization", model=model_name, tokenizer=model_name)

# ۳. طراحی رابط کاربری
st.title("🤖 خلاصه‌ساز متن با هوش مصنوعی")
st.markdown("متن طولانی‌تون رو در باکس زیر وارد کنید تا هوش مصنوعی کوتاه‌ترین و دقیق‌ترین نسخه اون رو بهتون تحویل بده.")

# ۴. باکس دریافت ورودی
user_input = st.text_area("متن فارسی را اینجا وارد کنید:", height=250)

# ۵. دکمه پردازش
if st.button("خلاصه‌سازی کن"):
    if user_input.strip():
        with st.spinner('در حال تحلیل و پردازش متن...'):
            try:
                summarizer = load_ai_model()
                # تنظیم پارامترهای خلاصه سازی
                result = summarizer(user_input, max_length=150, min_length=40, do_sample=False)
                
                st.success("✅ نتیجه نهایی:")
                st.info(result[0]['summary_text'])
            except Exception as e:
                st.error(f"خطایی رخ داد: {e}")
    else:
        st.warning("لطفاً ابتدا متنی را برای پردازش وارد کنید.")

گام ۴: اجرا و خروجی گرفتن

برای اینکه وب‌اپلیکیشن شما بالا بیاد، کافیه توی ترمینال دستور زیر رو اجرا کنید:

Bash

streamlit run app.py

بعد از چند ثانیه، مرورگر شما باز میشه و می‌تونید هر متن فارسی رو بهش بدید و نتیجه رو درجا ببینید.