metadata

language:
  - ar
datasets:
  - arabic QA
widget:
  - text: >-
      answer: 7 سنوات ونصف 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

Arabic Question generation Model

AraT5-Base Model fine-tuned on Arabic Question-Answering Dataset for Question generation by just prepending the answer to the context*

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

Model in Action 🚀

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()
  output = model.generate(
    input_ids=text_encoding['input_ids'],
    attention_mask=text_encoding['attention_mask'],
    max_length=64,
    num_beams=5,
    num_return_sequences=1
  )

  preds = [
            tokenizer.decode(gen_id,skip_special_tokens=True,clean_up_tokenization_spaces=True)
            for gen_id in generated_ids
    ]
  return tokenizer.decode(output[0],skip_special_tokens=True,clean_up_tokenization_spaces=True)

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(answer,context)

#output : question="كم استمرت الثورة الجزائرية؟ "

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}
}

Created by LinkedIn