README.md

metadata

language:
  - ar
tags:
  - answer-aware-question-generation
  - question-generation
  - QG
dataset:
  - arabic_question_answering
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 </s> 
  - 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  </s>
  - 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 </s> 
metrics:
  - bleu
model-index:
  - name: Arabic-Question-Generation
    results:
      - task:
          name: Question-Generation
          type: automatic-question-generation
        metrics:
          - name: Bleu1
            type: bleu
            value: 1.1475

Arabic Question Generation Model

This Model is fine-tunedAraT5-Base Model on Arabic Question-Answering Dataset for Question Generation task .It achieves the following results on the evaluation set:

• Bleu 1: 37.62
• Bleu 2: 27.80
• Bleu 3: 20.89
• Bleu 4: 15.87
• Meteor: 33.19
• Rouge-L: 43.37

##Live Demo Get the Question from given Context and a Answer :Arabic QG Model

Model in Action 🚀

#Requirements !pip install transformers
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 + " </s>"
  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؟ " 

Details of Ara-T5

The Ara-T5 model was presented in AraT5: Text-to-Text Transformers for Arabic Language Generation by El Moatez Billah Nagoudi, AbdelRahim Elmadany, Muhammad Abdul-Mageed

Citation

If you want to cite this model you can use this:

@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 | Github | mihhakram@gmail.com

Ibrir Adel: Linkedin | Github | adelibrir2015@gmail.com