README.md

metadata

license: mit
language: en
datasets:
  - amananandrai/clickbait-dataset
metrics:
  - accuracy
tags:
  - sklearn
  - text-classification
  - clickbait
widget:
  - text: You Won't Believe What Happens Next!
    example_title: Clickbait Example
  - text: Scientists Discover New Planet in Solar System
    example_title: Non-Clickbait Example

Clickbait Detection Model (Logistic Regression)

هذا نموذج تعلم آلة (Scikit-learn Pipeline) تم تدريبه لتصنيف عناوين الأخبار (Headlines) إلى "Clickbait" (عنوان مثير) أو "Not Clickbait" (عنوان عادي).

🚀 كيف تستخدم النموذج

تم حفظ النموذج كـ Pipeline كامل من sklearn، وهو يتضمن TfidfVectorizer و LogisticRegression. هذا يعني أنه يتعامل مع النص مباشرة.

import joblib

# قم بتحميل النموذج من Hugging Face Hub
# (تأكد من تثبيت huggingface_hub: pip install huggingface_hub)
from huggingface_hub import hf_hub_download

model_path = hf_hub_download(repo_id="[Ma120]/[clickbait-detector]", filename="clickbait_model.pkl")
model = joblib.load(model_path)

# اختبر النموذج
headlines = [
    "You Won't Believe What Happens Next!",
    "Local Library Announces Summer Reading Program",
    "10 Signs You're a Genius (Number 7 Will Shock You)",
    "Government Passes New Budget Bill"
]

predictions = model.predict(headlines)

# 1 = Clickbait, 0 = Not Clickbait
for headline, pred in zip(headlines, predictions):
    label = "Clickbait" if pred == 1 else "Not Clickbait"
    print(f"[{label}] {headline}")

# يمكنك أيضاً الحصول على الاحتمالات
# probabilities = model.predict_proba(headlines)
# print(probabilities)