Create README.md

README.md

@@ -0,0 +1,83 @@
+
+# `indoT5-AMRToTextGenerator-V1.1`
+Model ini adalah versi *fine-tuned* tugas generasi teks dari Abstract Meaning Representation (AMR) dalam Bahasa Indonesia. 
+Proses *fine-tuning* dilakukan dengan menggunakan Dataset Augemnted dari AMRParser abdiharyadi/taufiq-indo-amr-generation-gold-v1.1-uncased terhadap XSum Indonesia.
+
+**Bahasa Utama:** Indonesia
+
+
+## Tujuan Penggunaan
+
+* **Penggunaan Utama:** Model ini ditujukan untuk mengubah representasi AMR (Abstract Meaning Representation) dalam Bahasa Indonesia menjadi teks naratif yang dapat dibaca manusia. Ini bisa berguna untuk aplikasi seperti peringkasan teks berbasis AMR, augmentasi data, atau alat bantu pemahaman struktur semantik.
+
+
+## Cara Penggunaan 
+```python
+    from transformers import T5TokenizerFast, AutoModelForSeq2SeqLM
+    import torch
+
+    model_path = "fabhiansan/indoT5-AMRToTextGenerator"
+    tokenizer_path = "fabhiansan/indoT5-AMRToTextGenerator"
+
+    tokenizer = T5TokenizerFast.from_pretrained(tokenizer_path)
+    model = AutoModelForSeq2SeqLM.from_pretrained(model_path)
+
+    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+    model.to(device)
+    model.eval() # Set model ke mode evaluasi
+
+    contoh_amr = """
+    (w / want-01
+          :ARG0 (b / boy)
+          :ARG1 (g / go-01
+                :ARG0 b
+                :ARG2 (c / cinema)))
+    """
+    prefix = "translate graph to indonesian: "
+    input_text = prefix + contoh_amr.strip() # Hilangkan spasi berlebih di awal/akhir
+
+    inputs = tokenizer(
+        input_text,
+        return_tensors='pt',
+        padding=True,
+        truncation=True,
+        max_length=512
+    )
+
+    inputs = {k: v.to(device) for k, v in inputs.items()}
+
+    print("Melakukan generasi teks...")
+    with torch.no_grad(): # Tidak perlu menghitung gradien saat inferensi
+        outputs = model.generate(
+            input_ids=inputs['input_ids'],
+            attention_mask=inputs['attention_mask'],
+            max_length=512,       # Max length untuk output yang digenerasi
+            num_beams=5,          # Contoh parameter beam search
+            repetition_penalty=2.5,
+            length_penalty=1.0,
+            early_stopping=True
+        )
+        
+    generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
+        
+    print("\nInput AMR:")
+    print(contoh_amr)
+    print("\nGenerated Indonesian Text:")
+    print(generated_text)
+```
+
+
+**Penelitian terkait (Daryanto dan Khodra, 2022):**
+    ```bibtex
+    @INPROCEEDINGS{9932960,
+      author={Daryanto, Taufiq Husada and Khodra, Masayu Leylia},
+      booktitle={2022 9th International Conference on Advanced Informatics: Concepts, Theory and Applications (ICAICTA)},
+      title={Indonesian AMR-to-Text Generation by Language Model Fine-tuning},
+      year={2022},
+      volume={},
+      number={},
+      pages={1-6},
+      doi={10.1109/ICAICTA56449.2022.9932960}
+    }
+    ```
+