|
--- |
|
language: fa |
|
license: mit |
|
pipeline_tag: text2text-generation |
|
|
|
--- |
|
|
|
|
|
# PersianTextFormalizer |
|
|
|
This model is fine-tuned to generate formal text from informal text based on the input provided. It has been fine-tuned on [Mohavere Dataset] (Takalli vahideh, Kalantari, Fateme, Shamsfard, Mehrnoush, Developing an Informal-Formal Persian Corpus, 2022.) using the pretrained model [parsT5-base](https://huggingface.co/Ahmad/parsT5-base). |
|
|
|
## Usage |
|
|
|
```python |
|
|
|
from transformers import AutoModelForSeq2SeqLM, MT5Tokenizer |
|
|
|
model = T5ForConditionalGeneration.from_pretrained(PardisSzah/PersianTextFormalizer) |
|
tokenizer = AutoTokenizer.from_pretrained(PardisSzah/PersianTextFormalizer) |
|
|
|
from transformers import (T5ForConditionalGeneration, AutoTokenizer, pipeline) |
|
import torch |
|
pipe = pipeline(task='text2text-generation', model=model, tokenizer=tokenizer) |
|
def test_model(text): |
|
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') |
|
model.to(device) |
|
|
|
inputs = tokenizer.encode("informal: " + text, return_tensors='pt', max_length=128, truncation=True, padding='max_length') |
|
inputs = inputs.to(device) |
|
|
|
outputs = model.generate(inputs, max_length=128, num_beams=4) |
|
print("Output:", tokenizer.decode(outputs[0], skip_special_tokens=True)) |
|
|
|
text = "به یکی از دوستام میگم که چرا اینکار رو میکنی چرا به فکرت نباید برسه " |
|
print("Original:", text) |
|
test_model(text) |
|
|
|
# output: به یکی از دوستانم می گویم که چرا اینکار را می کنی چرا به فکرت نباید برسد |
|
|
|
text = "اسم من پردیسه و خوشحالم که از این مدل خوشتون اومده " |
|
print("Original:", text) |
|
test_model(text) |
|
|
|
# output: اسم من پردیس است و خوشحالم که از این مدل خوشتان آمده است |
|
|
|
``` |
