下面视频展示了布置选定功能的搜索引擎的过程。（点击图片跳转链接）
（若链接打不开，可以查看 demo.mp4 文件）
下面视频展示了布置结束后搜索的过程。（点击图片跳转链接）
（若链接打不开，可查看 search_demo.mp4 文件）
下面是搜搜结果
具体搜索样例请参考 search_result_for_机器学习.txt 文件（同时也是搜索演示视频对应的结果）。
具体请参考 ratinal_search_final 文件及 report.pdf。
rational_search_final
├── Bert_extractive_summarizer # 基于Bert的提取式摘要生成方法
│ ├── summarizer # 依赖文件
│ ├── model_processors.py # 提取式摘要生成类接口
│ └── README.md # 模型原理及部署
├── bert-base-chinese # 依赖的预训练模型
│ ├── config.json # 依赖文件参数
│ ├── pytorch_model.bin # 待下载模型，参考README
│ ├── README.md # 预训练模型部署指南
│ └── vocab.txt # 模型词表
├── chinese_keyphrase_extractor # 文本关键词提取方法
│ ├── README.md # 参考配置关键词安装模型
│ └── ...... # 其它依赖文件
├── Emotion # 基于Ernie3.0的文本情感分类方法
│ ├── checkpoints # 训练checkpoint保存路径
│ │ └── model_800 # 使用的模型（参考README配置）
│ ├── predict.py # 情感分析类接口
│ ├── README.md # 模型原理及训练方法
│ └── ...... # 其它依赖文件
├── Ernie # 基于Ernie3.0的文本内容分类方法
│ ├── tnews_pruned_infer_model # 模型（参考README配置）
│ ├── ernie_predictor.py # 内容分析类接口
│ ├── README.md # 模型原理及训练方法
│ └── ...... # 其它依赖文件
├── GPT2_Summary # 基于GPT2的生成式摘要生成方法 （注意需解压后配置）
│ ├── summary_model # 模型参数（参考README配置）
│ ├── interact.py # 生成式摘要类接口
│ ├── README.md # 模型原理及训练方法
│ └── ...... # 其它依赖文件
├── history # 不同版本更新文件
├── knowledge_base # 基于知识的标题党处理方法
│ ├── grammer_voc.txt # 语法过滤库材料
│ └── keywords_voc.txt # 关键词过滤库材料
├── search # 基于网络爬虫的关键词搜索功能
│ ├── history # 各版本搜索方法
│ ├── README.md # 使用方法
│ └── search.py # 使用的搜索方法
├── search_logs # 记录模型载入、搜索、处理等各部分用时
├── search_results # 以txt格式记录搜索结果
├── modify_search_v1_5.py # 综合搜索函数
├── README.md # 项目使用方法
└── web_app_v2.py # 基于streamlit的web显示