---
license: apache-2.0
language:
- fa
library_name: transformers
base_model: google/mt5-base
widget:
  - text: >-
      generate title for: در صورت بروز آتش‌سوزی، انجام اقدامات زیر می‌تواند به نجات جان شما و کاهش خسارات کمک کند:
      آرامش خود را حفظ کنید: خونسردی و آرامش در شرایط اضطراری بسیار مهم است.
      آتش‌نشانی را خبر کنید: فوراً با شماره ۱۲۵ (در ایران) تماس بگیرید و موقعیت دقیق خود را به آنها اطلاع دهید.
      از محل آتش‌سوزی خارج شوید: در اسرع وقت از محل آتش‌سوزی دور شوید. اگر دود زیاد است، به حالت خزیده حرکت کنید تا از استنشاق دود و گازهای سمی جلوگیری کنید.
      درها را ببندید: درها را پشت سر خود ببندید تا از گسترش آتش و دود به دیگر قسمت‌های ساختمان جلوگیری کنید.
      از پله‌ها استفاده کنید: به هیچ وجه از آسانسور استفاده نکنید. در صورت وجود، از پله‌های اضطراری استفاده کنید.
      اگر در خانه هستید:
      قبل از باز کردن در: با پشت دست دمای در را چک کنید. اگر در داغ است، آن را باز نکنید.
      نقشه خروج اضطراری: از قبل یک نقشه خروج اضطراری برای خانه خود تهیه کنید و آن را با اعضای خانواده مرور کنید.
      استفاده از ماسک یا پارچه مرطوب: در صورت امکان از ماسک استفاده کنید و یا پارچه‌ای مرطوب جلوی دهان و بینی خود قرار دهید.
      اگر در خانه گرفتار شدید:
      در اتاقی با پنجره بمانید: در اتاقی با پنجره بمانید و در را ببندید.
      سیگنال بدهید: با پارچه یا چیزی روشن به پنجره بزنید تا توجه آتش‌نشانان را جلب کنید.
      استفاده از کپسول آتش‌نشانی: اگر دسترسی به کپسول آتش‌نشانی دارید و آتش کوچک است، سعی کنید آتش را خاموش کنید. اما اگر آتش بزرگ است، وقت خود را برای این کار تلف نکنید و فوراً محل را ترک کنید.
      دستورالعمل‌های آتش‌نشانی را دنبال کنید: پس از رسیدن آتش‌نشانی، دستورات آنها را به دقت دنبال کنید و همکاری لازم را داشته باشید.
      همچنین، پیشگیری از آتش‌سوزی با رعایت اصول ایمنی بسیار مهم است. مواردی مانند بررسی سیستم‌های برق، نصب دتکتورهای دود و خاموش‌کننده‌های آتش در خانه، آموزش‌های ایمنی به اعضای خانواده و نگهداری صحیح مواد قابل اشتعال می‌تواند به کاهش خطرات آتش‌سوزی کمک کند.
example_title: Summarization Example 1
pipeline_tag: summarization
---
# Persian Title Generator (mT5)

## Model Details

- **Model Name**: Persian Title Generator (mT5)
- **Model Type**: Seq2Seq
- **Language**: Persian (Farsi)
- **Base Model**: [google/mt5-base](https://huggingface.co/google/mt5-base)
- **License**: MIT License

## Model Description

This model is a fine-tuned version of the mT5 model, specifically designed for generating titles in Persian. The base model, mT5, is a multilingual variant of the T5 model, capable of performing various natural language processing tasks in multiple languages. This fine-tuned version focuses on generating appropriate titles for given Persian texts.

## Training Data

The training data used for this model consists of a custom dataset gathered and preprocessed from various sources. The dataset includes two main columns:

- `title`: The target title for the given text.
- `context`: The text for which a title is to be generated.

The dataset was divided into training and validation sets to ensure the model's ability to generalize to new, unseen texts.

## Training Procedure

The model was fine-tuned using the Hugging Face Transformers library. The training process involved the following steps:

1. **Tokenization**: The texts were tokenized using the `google/mt5-base` tokenizer, with a prefix "generate a title for: " added to the context.
2. **Training Configuration**: The model was trained with a learning rate of 5e-5, batch size of 8, and for 2 epochs. A cosine learning rate scheduler was used, and the best model was saved based on evaluation performance.
3. **Evaluation**: The model's performance was evaluated periodically during training, and the best-performing model checkpoint was retained.

## Intended Use

This model is intended to be used for generating titles for Persian texts. It can be applied in various contexts, including:

- **News Articles**: Generating catchy and relevant titles for news articles.
- **Blog Posts**: Creating engaging titles for blog entries.
- **Academic Papers**: Suggesting titles for academic abstracts and papers.

## Example

Here is an example of how to use the model to generate a title for a given Persian text:

```python
from transformers import pipeline

text = """generate title for: هنگام آتش‌سوزی، آرام باشید و مراقب سلامتی خود و دیگران باشید. چند توصیه زیر را انجام دهید:

* فوراً، تلفن آتش‌نشانی را فراخوانید تا آنها بتوانند سریع‌ترین پاسخ ممکن را ارائه دهند.
* از نزدیکترین راه خروجی خارج شوید و بیرون بیایید.
* هیچ چیزی را جمع نکنید، زیرا زمان کمی دارید و احتمال دارد که دیر شود.
* هیچ کاری را انجام ندهید که خطرناک باشد و سلامت شما را تهدید کند.
* اگر امکان دارد، آب را روی شعله‌های کوچک آتش بسپارید، اما فقط اگر اطمینان حاصل کنید که امنیت کامل وجود دارد.
* پس از اینکه همه افراد سالم بیرون آمدند، آتش‌نشانی‌ها رسیدگی خواهند کرد.

به یاد داشته باشید: سرعت و احتیاط کلیدی در مدیریت آتش‌سوزی هستند. مطمئن شوید که تمام مسیرها بسته شده‌اند و وسایل اضطراری مانند ماسک هوایی یا لباس گرم آماده باشند. همچنین، آموزش‌هایی دریافت کنید که نحوه واکنش مناسب در صورت آتش‌سوزی را نشان دهد."""

translator = pipeline("summarization", model="your_model_checkpoint", max_length=512, repetition_penalty=0.9)
print(translator(text))
```

## Limitations and Biases

While this model aims to generate relevant titles, there are some limitations and potential biases:

- **Data Bias**: The model's performance is dependent on the quality and diversity of the training data. Biases in the training data can result in biased outputs.
- **Language Specificity**: The model is fine-tuned specifically for Persian and may not perform well with texts in other languages.
- **Context Length**: The model's ability to generate accurate titles may degrade for very long texts due to tokenization limits.

## Contact
For questions or further information, please contact:

- Amir Masoud Ahmadi: [amirmasoud.ahkol@gmail.com](mailto:amirmasoud.ahkol@gmail.com)