1、收集应用程序域信息，关注功能要求–还考虑其他要求和文件。
我的工程实践为新闻标题的自动生成，功能实现要求输入一段新闻文本，自动生成其标题。关注功能的重点为标题简短，清楚，流畅。我们处于信息超载的时代，媒体工作人员为了流量常常用一些博眼球的文章标题吸引大家眼球，所以如果能有一种算法根据文章内容，生成切合文章实际内容的标题，对于帮助客户不被原标题迷惑，根据算法生成的标题，进行有效信息筛选是非常有帮助的。我们采用神经网络用于预测，需要大量新闻数据集和相应标签，模型的设置，数据预处理以及生成标题评估方法等。
2、头脑风暴，列出重要的应用程序域概念–列出它们的属性/属性–列出它们之间的关系。
对数据集的获取和处理：收集大量新闻文本信息，数据的属性包括数据的类型，长度，存储路径等等，处理有分词，过滤，转向量，需要用到过滤词典和转向量的词典，初始的想词向量维度往往很大，还需要对其进行词嵌入。
模型的构建：采用seq2seq模型，模型由两大部分组成，可抽象为编码器和解码器，编码器用于对输入向量编码，解码器对编码的信息解码，用于最后文本的生成。此外还有注意力机制用于控制输出。解码器依赖于编码器和注意力机制。
模型训练：用预处理好的数据和设置好的模型对模型进行训练，生成训练好的模型文件。
标题生成：加载训练好的模型用于新的新闻标题生成。
3、将领域概念分为：类–属性/属性值–关系，关联，继承，聚合。
类是属性和方法集合的总称，从工程实践中抽象出以下几个类
数据集：长度，类型，路径
数据预处理：文本数据，词向量词典，过滤词词典，分词，转向量
词嵌入：向量，稀疏向量转低维
模型：编码器，解码器，注意力机制
训练：模型，训练数据，标签，超参数，训练
标题生成：数据，模型加载，属性设置，预测
4、使用UML类图记录结果
