--- language: - ar metrics: - accuracy - bleu library_name: transformers pipeline_tag: text2text-generation tags: - Classification and Generation - Classification - Generation - ArabicT5 widget: - text: خسارة مدوية لليفربول امام تولوز وفوز كبير لبيتيس، انتصار الفيولا واستون فيلا في دوري المؤتمر، والد لويس دياز حر، فوز انديانا على ميلووكي, انتصار للانترانيك" --- This model is under trial. The number in the generated text represents the category of the news, as shown below. category_mapping = { 'Political':1, 'Economy':2, 'Health':3, 'Sport':4, 'Culture':5, 'Technology':6, 'Art':7, 'Accidents':8 } model-index: - name: Hezam/arabic-T5-news-classification-generation results: - task: type: classification and generation name: Classification_Generation metrics: - name: Accuracy type: accuracy value: 96.67% verified: true - name: F1_score type: f1_score value: 96.67% verified: true - name: BLEU type: bleu value: 96.23% verified: true - name: loss type: loss value: 0.5716450214385986 verified: true --- # Example usage ```python from transformers import T5ForConditionalGeneration, T5Tokenizer, pipeline from arabert.preprocess import ArabertPreprocessor arabert_prep = ArabertPreprocessor(model_name="aubmindlab/bert-base-arabertv2") model_name="Hezam/arabic-T5-news-classification-generation" model = T5ForConditionalGeneration.from_pretrained(model_name) tokenizer = T5Tokenizer.from_pretrained(model_name) generation_pipeline = pipeline("text2text-generation",model=model,tokenizer=tokenizer) text = " خسارة مدوية لليفربول امام تولوز وفوز كبير لبيتيس، انتصار الفيولا واستون فيلا في دوري المؤتمر، والد لويس دياز حر، فوز انديانا على ميلووكي, انتصار للانترانيك" text_clean = arabert_prep.preprocess(text) g=generation_pipeline(text_clean, num_beams=10, max_length=config.Generation_LEN, top_p=0.9, repetition_penalty = 3.0, no_repeat_ngram_size = 3)[0]["generated_text"] ``` ```bash output: ```