Hugging Face's logo Hugging Face Search models, datasets, users... Models Datasets Spaces Docs Solutions Pricing Mihakram / Arabic_Question_Generation Copied like 0 Text2Text Generation PyTorch Transformers Arabic arxiv:2109.12068 t5 AutoTrain Compatible Model card Files and versions Community Arabic_Question_Generation / README.md Mihakram's picture Mihakram Update README.md 9920e0d 14 minutes ago raw history blame contribute delete Safe 3.41 kB --- language: - ar widget: - text: "context: الثورة الجزائرية أو ثورة المليون شهيد، اندلعت في 1 نوفمبر 1954 ضد المستعمر الفرنسي ودامت 7 سنوات ونصف. استشهد فيها أكثر من مليون ونصف مليون جزائري answer: 7 سنوات ونصف " - text: "context: اسكتلندا دولة في شمال غرب أوروبا، تعتبر جزء من الدول الأربع المكونة المملكة المتحدة. تحتل الثلث الشمالي من جزيرة بريطانيا العظمى وتحدها جنوبا إنجلترا ويحدها شرقا بحر الشمال وغربا المحيط الأطلسي. عاصمتها أدنبرة، وأهم مدنها وأكبرها مدينة غلاسكو. كانت اسكتلندا مملكة مستقلة حتى 1 مايو 1707 answer: أدنبرة " - text: "context: مات المستشار الألماني أدولف هتلر في 30 أبريل 1945 منتحرا عن طريق تناول مادة السيانيد السامة وإطلاق النار على نفسه وهي الرواية العامة المقبولة لطريقة موت الزعيم النازي answer: منتحرا " --- # Arabic Question generation Model [AraT5-Base Model](https://huggingface.co/UBC-NLP/AraT5-base) fine-tuned on Arabic Question-Answering Dataset for **Question generation** Get the Question from given Context and a Answer ## Details of Ara-T5 The **Ara-T5** model was presented in [AraT5: Text-to-Text Transformers for Arabic Language Generation](https://arxiv.org/abs/2109.12068) by *El Moatez Billah Nagoudi, AbdelRahim Elmadany, Muhammad Abdul-Mageed* ## Model in Action 🚀 ```python from transformers import AutoTokenizer,AutoModelForSeq2SeqLM model = AutoModelForSeq2SeqLM.from_pretrained("Mihakram/Arabic_Question_Generation") tokenizer = AutoTokenizer.from_pretrained("Mihakram/Arabic_Question_Generation") def get_question(context,answer): text="context: " +context + " " + "answer: " + answer + " " text_encoding = tokenizer.encode_plus( text,return_tensors="pt" ) model.eval() generated_ids = model.generate( input_ids=text_encoding['input_ids'], attention_mask=text_encoding['attention_mask'], max_length=64, num_beams=5, num_return_sequences=1 ) return tokenizer.decode(generated_ids[0],skip_special_tokens=True,clean_up_tokenization_spaces=True).replace('question: ',' ') context="الثورة الجزائرية أو ثورة المليون شهيد، اندلعت في 1 نوفمبر 1954 ضد المستعمر الفرنسي ودامت 7 سنوات ونصف. استشهد فيها أكثر من مليون ونصف مليون جزائري" answer =" 7 سنوات ونصف" get_question(context,answer) #output : question="كم استمرت الثورة الجزائرية؟ " ``` ## Citation If you want to cite this model you can use this: ```bibtex @misc{Mihakram/, title={}, author={Mihoubi, Ibrir}, publisher={Hugging Face}, journal={Hugging Face Hub}, howpublished={\url{https://huggingface.co/}}, year={2022} } ``` ## Contacts **Mihoubi Akram Fawzi**: [Linkedin](https://www.linkedin.com/in/mihoubi-akram/) | [Github](https://github.com/mihoubi-akram) | **Ibrir Adel**: [Linkedin]() | [Github]() |