Create README.md

README.md

@@ -0,0 +1,59 @@
+---
+language: tr
+tags:
+- question-answering
+- loodos-bert-base
+- TQuAD 
+- tr
+datasets:
+- TQuAD
+
+
+---
+# Turkish SQuAD  Model : Question Answering
+
+Fine-tuned Loodos-Turkish-Bert-Model for Question-Answering problem with TQuAD dataset
+* Loodos-BERT-base: https://huggingface.co/loodos/bert-base-turkish-uncased
+* TQuAD dataset:  https://github.com/TQuad/turkish-nlp-qa-dataset
+
+
+# Training Code
+
+```
+!python3 Turkish-QA.py \
+  --model_type bert \
+  --model_name_or_path loodos/bert-base-turkish-uncased
+  --do_train \
+  --do_eval \
+  --train_file trainQ.json \
+  --predict_file dev1.json \
+  --per_gpu_train_batch_size 8 \
+  --learning_rate 5e-5 \
+  --num_train_epochs 10 \
+  --max_seq_length 384 \
+  --output_dir "./model"
+```
+
+# Example Usage
+
+> Load Model
+```
+from transformers import AutoTokenizer, AutoModelForQuestionAnswering
+tokenizer = AutoTokenizer.from_pretrained("emre/distilbert-tr-q-a")
+model = AutoModelForQuestionAnswering.from_pretrained("emre/distilbert-tr-q-a")
+nlp = pipeline('question-answering', model=model, tokenizer=tokenizer)
+```
+
+> Apply the model
+```
+def ask(question,context):
+  temp = nlp(question=question, context=context)
+  start_idx = temp["start"]
+  end_idx = temp["end"]
+  return context[start_idx:end_idx]
+izmir="İzmir, Türkiye'de Ege Bölgesi'nde yer alan şehir ve ülkenin 81 ilinden biridir. Ülkenin nüfus bakımından en kalabalık üçüncü şehridir. Ekonomik, tarihi ve sosyo-kültürel açıdan önde gelen şehirlerden biridir. Nüfusu 2021 itibarıyla 4.425.789 kişidir. Yüzölçümü olarak ülkenin yirmi üçüncü büyük ilidir."
+soru1 = "İzmir'in nüfusu kaçtır?"
+print(ask(soru1,izmir))
+soru2 = "İzmir hangi bölgede bulunur?"
+print(ask(soru2,izmir))
+```