File size: 2,064 Bytes
c335573 e4f01da c335573 0a8bf0e 3dabc28 c335573 3139b9e c335573 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 |
---
language:
- ar
tags:
- AraGPT2
- GPT-2
- MSA
- Arabic Text Summarization
- Arabic News Title Generation
- Arabic Paraphrasing
widget:
- text: ""
---
# An Arabic abstractive text summarization model
A fine-tuned AraGPT2 model on a dataset of 84,764 paragraph-summary pairs.
Paper: [Arabic abstractive text summarization using RNN-based and transformer-based architectures](https://www.sciencedirect.com/science/article/abs/pii/S0306457322003284).
Dataset: [link](https://data.mendeley.com/datasets/7kr75c9h24/1).
The model can be used as follows:
```python
from transformers import GPT2TokenizerFast, AutoModelForCausalLM
from arabert.preprocess import ArabertPreprocessor
model_name="malmarjeh/gpt2"
preprocessor = ArabertPreprocessor(model_name="")
tokenizer = GPT2TokenizerFast.from_pretrained("aubmindlab/aragpt2-base")
model = AutoModelForCausalLM.from_pretrained(model_name)
text = "شهدت مدينة طرابلس، مساء أمس الأربعاء، احتجاجات شعبية وأعمال شغب لليوم الثالث على التوالي، وذلك بسبب تردي الوضع المعيشي والاقتصادي. واندلعت مواجهات عنيفة وعمليات كر وفر ما بين الجيش اللبناني والمحتجين استمرت لساعات، إثر محاولة فتح الطرقات المقطوعة، ما أدى إلى إصابة العشرات من الطرفين."
text = preprocessor.preprocess(text)
text = '\n النص: ' + text + ' \n الملخص: \n '
tokenizer.add_special_tokens({'pad_token': '<pad>'})
tokens = tokenizer.batch_encode_plus([text], return_tensors='pt', padding='max_length', max_length=150)
output = model.generate(input_ids=tokens['input_ids'],repetition_penalty=3.0, num_beams=3, max_length=240, pad_token_id=2, eos_token_id=0, bos_token_id=10611)
result = tokenizer.decode(output[0][150:], skip_special_tokens=True).strip()
result
>>> 'واحتجاجات في طرابلس لليوم الثالث على التوالي'
```
## Contact:
<banimarje@gmail.com>
|