2当用户对其它用户发表的文本想要发表评论时可以点击comment按钮进入该物流文本的评论界面然后flask框架会基于词频-逆文档频率特征和粗粒度等特征的综合权重公式的关键词提取模型对该物流文本提取关键词、基于textrank的关键句提取模型提取文本最关键的句子、基于自注意力机制的cnn

当用户想要发表对其它用户发表的文本的评论时，他们可以点击“comment”按钮进入该物流文本的评论界面。在这里，我们使用了Flask框架，并采用了词频-逆文档频率特征和粗粒度等特征的综合权重公式的关键词提取模型，以及基于TextRank的关键句提取模型来提取该物流文本的关键信息。此外，我们还使用了基于自注意力机制的CNN－GRU物流文本模型对该文本进行分类，以达到物流文本摘要的效果。

通过这种方式，我们让用户的评价更加聚焦和高效，并节省了用户阅读物流文本的时间。在文章上方，用户可以看到该篇文章的关键词、物流文本类型以及关键句，从而更好地理解文本内容。在下方的评论区，用户可以发表对该文本的看法，以促进更多的讨论和交流。这种方法不仅可以提高用户对物流文本的理解和参与度，而且可以为其他用户提供更有价值的信息。