Create README.md

README.md

@@ -0,0 +1,71 @@
+---
+language: ar
+license: apache-2.0
+library_name: transformers
+pipeline_tag: text-classification
+tags:
+- arabic
+- medical
+- nlp
+- bert
+- text-classification
+metrics:
+- accuracy
+- f1
+base_model: aubmindlab/bert-base-arabertv02
+datasets:
+- Ahmed-Selem/Shifaa_Arabic_Medical_Consultations
+---
+
+# 🩺 Shifaa Medical Question Classifier | مصنّف أسئلة شفاء الطبية
+
+## العربية
+### نظرة عامة
+هذا الموديل يقوم **بتصنيف الأسئلة الطبية العربية** إلى **16 فئة** (تخصص/قسم طبي متوقع) باستخدام **AraBERT** بعد Fine-tuning على بيانات منصة شفاء.
+
+- **المهمة:** تصنيف نصوص متعدد الفئات (16 فئة)
+- **اللغة:** العربية
+- **أفضل النتائج:** Accuracy ≈ **0.82** | F1-macro ≈ **0.70**
+- **المخرجات:** اسم الفئة المتوقعة + احتمالية (Confidence)
+
+### الفئات (16)
+0. أمراض الأطفال ومشاكلهم  
+1. أمراض الباطنية والصدر  
+2. أمراض الجلدية  
+3. أمراض الجهاز البولي والتناسلي  
+4. أمراض الجهاز العصبي  
+5. أمراض الدم والأورام  
+6. أمراض الرأس  
+7. أمراض العضلات  
+8. أمراض العظام  
+9. أمراض الغدد والهرمونات  
+10. أمراض النساء والولادة  
+11. الأدوية والمستحضرات  
+12. الجراحة العامة والتجميل  
+13. الصحة البدنية  
+14. الطب البديل  
+15. شئون طبية ومشاكل متفرقة  
+
+### طريقة الاستخدام (Transformers)
+```python
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import torch
+
+MODEL_ID = "aya99ma/shifaa-bert-classifier"
+
+tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
+model = AutoModelForSequenceClassification.from_pretrained(MODEL_ID)
+model.eval()
+
+text = "لدي صداع شديد منذ يومين"
+inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)
+
+with torch.inference_mode():
+    logits = model(**inputs).logits
+    probs = torch.softmax(logits, dim=-1)[0]
+
+pred_id = int(torch.argmax(probs))
+label = model.config.id2label[pred_id]
+confidence = float(probs[pred_id])
+
+print(label, confidence)