A fine-tuned AraGPT2 model on a dataset of 84,764 paragraph-summary pairs.
1from transformers import GPT2TokenizerFast, AutoModelForCausalLM
2from arabert.preprocess import ArabertPreprocessor
3
4model_name="malmarjeh/gpt2"
5preprocessor = ArabertPreprocessor(model_name="")
6
7tokenizer = GPT2TokenizerFast.from_pretrained("aubmindlab/aragpt2-base")
8model = AutoModelForCausalLM.from_pretrained(model_name)
9
10text = "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."
11text = preprocessor.preprocess(text)
12
13text = '\n النص: ' + text + ' \n الملخص: \n '
14tokenizer.add_special_tokens({'pad_token': '<pad>'})
15tokens = tokenizer.batch_encode_plus([text], return_tensors='pt', padding='max_length', max_length=150)
16output = 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)
17result = tokenizer.decode(output[0][150:], skip_special_tokens=True).strip()
18result
19>>> 'واحتجاجات في طرابلس لليوم الثالث على التوالي'
