Python 文本摘要

我建立了一个文本摘要模型，我创建了一个小文档（文本文件）及其摘要，然后我对模型进行了训练，我再次创建了相同类型的文档进行测试，训练文档和测试文档非常相似，但数据不同

例如，培训文档包含：

名称：列车
姓氏：火车

测试文件：

名称：测试
姓氏：test

我希望在训练模型后，它能记住重要句子的结构，经过测试，我的准确率达到100%

问题是，当我在另一个文档上训练模型时，以前的测试给出的精确度较低，就像它忘记了以前的训练一样。 这是我的模型：

model = Sequential()
model.add(Embedding(200,64, input_length=max_sent_length))
model.add(Conv1D(filters=64, kernel_size=3, padding='same', activation='relu'))
model.add(MaxPooling1D(pool_size=2))
model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
for i in range(0,len(xtrains)):
    model.fit(xtrains[i],ytrains[i], epochs=200, batch_size=64, shuffle=False)

我对此进行了搜索，得到的答案是，重新安装模型不会重置权重，因此我想知道，为什么每当我在新文档上训练模型时，之前的测试的准确度较低，而一开始我的准确度为100%

---

我如何解决这个问题？

你的训练集是多少？我只训练了4种类型的文档，其中每个文档包含7到15个句子（不，不是那么多），测试也是一样，我用同一种类型的数据测试了它。这些数据不足以让你得到你想要的准确度。但是当我只在一个文档上训练它时，它的准确度会更好，问题是为什么当我在更多的文档上训练它时，它的准确度会更低。