metadata

language: fa
license: mit
pipeline_tag: text2text-generation

PersianEase

This model is fine-tuned to generate informal text from formal text based on the input provided. It has been fine-tuned on [Mohavere Dataset] (Takalli vahideh, Kalantari, Fateme, Shamsfard, Mehrnoush, Developing an Informal-Formal Persian Corpus, 2022.) using the pretrained model persian-t5-formality-transfer.

Evaluation Metrics

Metric	Basic Model	Base Persian T5	Previous Semester Model	Our Model
BLEU-1	0.269	0.256	0.397	0.664
BLEU-2	0.137	0.171	0.299	0.539
BLEU-3	0.084	0.121	0.231	0.444
BLEU-4	0.054	0.086	0.177	0.364
Bert-Score Precision	0.581	0.583	0.665	0.826
Bert-Score Recall	0.629	0.614	0.659	0.820
Bert-Score F1 Score	0.603	0.595	0.658	0.822
ROUGE-1 F1 Score	0.259	-	-	0.701
ROUGE-2 F1 Score	0.061	-	-	0.475
ROUGE-l F1 Score	0.250	-	-	0.675

Usage


from transformers import (T5ForConditionalGeneration, AutoTokenizer, pipeline)
import torch

model = T5ForConditionalGeneration.from_pretrained('parsi-ai-nlpclass/PersianEase')
tokenizer = AutoTokenizer.from_pretrained('parsi-ai-nlpclass/PersianEase')

pipe = pipeline(task='text2text-generation', model=model, tokenizer=tokenizer)
def test_model(text):
  device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')  
  model.to(device) 

  inputs = tokenizer.encode("formal: " + text, return_tensors='pt', max_length=128, truncation=True, padding='max_length')
  inputs = inputs.to(device) 

  outputs = model.generate(inputs, max_length=128, num_beams=4, temperature=0.7)
  print("Output:", tokenizer.decode(outputs[0], skip_special_tokens=True))  

text = "   من فقط می‌خواستم بگویم که چقدر قدردان همه چیزهایی هستم که برای من انجام داده ای."
print("Original:", text)
test_model(text)

# output: من فقط میخوام بگم که چقدر قدردان همه کاریم که برای من انجام دادی. دوستی تو برای من یه هدیه بزرگه و من همیشه از داشتن یه دوست مثل تو خوشحالم.

text = "   آرزویش است او را یک رستوران ببرم."
print("Original:", text)
test_model(text)

# output: آرزوشه یه رستوران ببرمش