Update README.md

README.md

@@ -1,52 +1,54 @@
----
-title: Fake News Detector (Pipeline)
-library_name: sklearn
-tags:
-- text-classification
-- fake-news
-- sklearn
-- logistic-regression
-- pipeline
-license: mit
-sdk: gradio
-sdk_version: 4.31.0
-app_file: app.py
----
-
-## 📰 Fake News Detector (Professional Pipeline)
-
-هذا نموذج **Scikit-learn Pipeline** تم تدريبه لتصنيف المقالات الإخبارية إلى "حقيقية (True)" أو "كاذبة (Fake)".
-
-### 🚀 كيف يعمل؟
-
-يستخدم النموذج `Pipeline` احترافي يدمج خطوتين في خطوة واحدة:
-1.  **TF-IDF Vectorizer**: لتحويل النص إلى مصفوفة رقمية.
-2.  **Logistic Regression**: لعملية التصنيف.
-
-### 📈 أداء النموذج
-
-حقق النموذج دقة **96.50%** على مجموعة الاختبار.
-`![Model Accuracy](Model Accuracy.png)`
-
-### 🛠️ كيفية الاستخدام (في Python)
-
-بفضل الـ Pipeline، أصبح الاستخدام بسيطاً جداً:
-
-```python
-import skops.io as sio
-
-# تحميل ملف الـ Pipeline الواحد
-pipeline = sio.load("fake_news_pipeline.skops", trusted=True)
-
-# نص للتجربة
-text_to_test = "Your sample news text goes here..."
-
-# التنبؤ مباشرة (الـ Pipeline يتولى التحويل والتنبؤ)
-prediction_label = pipeline.predict([text_to_test])[0]
-probabilities = pipeline.predict_proba([text_to_test])[0]
-
-label = "True" if prediction_label == 1 else "Fake"
-confidence = probabilities[prediction_label]
-
-print(f"Prediction: {label}")
+---
+title: Fake News Detector (Pipeline)
+library_name: sklearn
+tags:
+- text-classification
+- fake-news
+- sklearn
+- logistic-regression
+- pipeline
+license: mit
+sdk: gradio
+sdk_version: 4.31.0
+app_file: app.py
+language:
+- en
+---
+
+## 📰 Fake News Detector (Professional Pipeline)
+
+هذا نموذج **Scikit-learn Pipeline** تم تدريبه لتصنيف المقالات الإخبارية إلى "حقيقية (True)" أو "كاذبة (Fake)".
+
+### 🚀 كيف يعمل؟
+
+يستخدم النموذج `Pipeline` احترافي يدمج خطوتين في خطوة واحدة:
+1.  **TF-IDF Vectorizer**: لتحويل النص إلى مصفوفة رقمية.
+2.  **Logistic Regression**: لعملية التصنيف.
+
+### 📈 أداء النموذج
+
+حقق النموذج دقة **96.50%** على مجموعة الاختبار.
+`![Model Accuracy](Model Accuracy.png)`
+
+### 🛠️ كيفية الاستخدام (في Python)
+
+بفضل الـ Pipeline، أصبح الاستخدام بسيطاً جداً:
+
+```python
+import skops.io as sio
+
+# تحميل ملف الـ Pipeline الواحد
+pipeline = sio.load("fake_news_pipeline.skops", trusted=True)
+
+# نص للتجربة
+text_to_test = "Your sample news text goes here..."
+
+# التنبؤ مباشرة (الـ Pipeline يتولى التحويل والتنبؤ)
+prediction_label = pipeline.predict([text_to_test])[0]
+probabilities = pipeline.predict_proba([text_to_test])[0]
+
+label = "True" if prediction_label == 1 else "Fake"
+confidence = probabilities[prediction_label]
+
+print(f"Prediction: {label}")
 print(f"Confidence: {confidence:.2f}")