Create README.md
Browse files
README.md
ADDED
@@ -0,0 +1,48 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
---
|
2 |
+
language:
|
3 |
+
- fa
|
4 |
+
- multilingual
|
5 |
+
thumbnail: "https://upload.wikimedia.org/wikipedia/commons/a/a2/Farsi.svg"
|
6 |
+
tags:
|
7 |
+
- multiple-choice
|
8 |
+
- mt5
|
9 |
+
- persian
|
10 |
+
- farsi
|
11 |
+
license: "CC BY-NC-SA 4.0"
|
12 |
+
datasets:
|
13 |
+
- parsinlu
|
14 |
+
metrics:
|
15 |
+
- accuracy
|
16 |
+
---
|
17 |
+
|
18 |
+
# Multiple-Choice Question Answering (مدل برای پاسخ به سوالات چهار جوابی)
|
19 |
+
|
20 |
+
This is a mT5-based model for multiple-choice question answering.
|
21 |
+
Here is an example of how you can run this model:
|
22 |
+
|
23 |
+
```python
|
24 |
+
from transformers import MT5ForConditionalGeneration, MT5Tokenizer
|
25 |
+
|
26 |
+
model_size = "base"
|
27 |
+
model_name = f"persiannlp/mt5-{model_size}-parsinlu-multiple-choice"
|
28 |
+
tokenizer = MT5Tokenizer.from_pretrained(model_name)
|
29 |
+
model = MT5ForConditionalGeneration.from_pretrained(model_name)
|
30 |
+
|
31 |
+
|
32 |
+
def run_model(input_string, **generator_args):
|
33 |
+
input_ids = tokenizer.encode(input_string, return_tensors="pt")
|
34 |
+
res = model.generate(input_ids, **generator_args)
|
35 |
+
output = tokenizer.batch_decode(res, skip_special_tokens=True)
|
36 |
+
print(output)
|
37 |
+
return output
|
38 |
+
|
39 |
+
|
40 |
+
run_model("وسیع ترین کشور جهان کدام است؟ <sep> آمریکا <sep> کانادا <sep> روسیه <sep> چین")
|
41 |
+
run_model("طامع یعنی ؟ <sep> آزمند <sep> خوش شانس <sep> محتاج <sep> مطمئن")
|
42 |
+
run_model(
|
43 |
+
"زمینی به ۳۱ قطعه متساوی مفروض شده است و هر روز مساحت آماده شده برای احداث، دو برابر مساحت روز قبل است.اگر پس از (۵ روز) تمام زمین آماده شده باشد، در چه روزی یک قطعه زمین آماده شده <sep> روز اول <sep> روز دوم <sep> روز سوم <sep> هیچکدام")
|
44 |
+
|
45 |
+
```
|
46 |
+
|
47 |
+
|
48 |
+
For more details, visit this page: https://github.com/persiannlp/parsinlu/
|