malmarjeh/gpt2

An Arabic abstractive text summarization model

A fine-tuned AraGPT2 model on a dataset of 84,764 paragraph-summary pairs.

Paper: Arabic abstractive text summarization using RNN-based and transformer-based architectures.

Dataset: link.

The model can be used as follows:

from transformers import GPT2TokenizerFast, AutoModelForCausalLM
from arabert.preprocess import ArabertPreprocessor

model_name="malmarjeh/gpt2"
preprocessor = ArabertPreprocessor(model_name="")

tokenizer = GPT2TokenizerFast.from_pretrained("aubmindlab/aragpt2-base")
model = AutoModelForCausalLM.from_pretrained(model_name)

text = "شهدت مدينة طرابلس، مساء أمس الأربعاء، احتجاجات شعبية وأعمال شغب لليوم الثالث على التوالي، وذلك بسبب تردي الوضع المعيشي والاقتصادي. واندلعت مواجهات عنيفة وعمليات كر وفر ما بين الجيش اللبناني والمحتجين استمرت لساعات، إثر محاولة فتح الطرقات المقطوعة، ما أدى إلى إصابة العشرات من الطرفين."
text = preprocessor.preprocess(text)

text = '\n النص: ' + text + ' \n الملخص: \n '
tokenizer.add_special_tokens({'pad_token': '<pad>'})
tokens = tokenizer.batch_encode_plus([text], return_tensors='pt', padding='max_length', max_length=150)
output = model.generate(input_ids=tokens['input_ids'],repetition_penalty=3.0, num_beams=3, max_length=240, pad_token_id=2, eos_token_id=0, bos_token_id=10611)
result = tokenizer.decode(output[0][150:], skip_special_tokens=True).strip()
result
>>> 'واحتجاجات في طرابلس لليوم الثالث على التوالي'

Contact:

banimarje@gmail.com