|
--- |
|
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 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: [[email protected]](mailto:[email protected]) |
