|
|
--- |
|
|
base_model: LiquidAI/LFM2-350M |
|
|
library_name: transformers |
|
|
model_name: lfm2-sft-summary |
|
|
tags: |
|
|
- generated_from_trainer |
|
|
- sft |
|
|
- trl |
|
|
licence: license |
|
|
datasets: |
|
|
- oddadmix/arabic-news-summarization |
|
|
language: |
|
|
- ar |
|
|
--- |
|
|
|
|
|
# 📝 نموذج التلخيص العربي |
|
|
|
|
|
هذا المشروع يقدّم نموذج **تلخيص نصوص باللغة العربية** مبني على النموذج الأساسي [LiquidAI/LFM2-350M](https://huggingface.co/LiquidAI/LFM2-350M)، وتمت إعادة تدريبه (Fine-tuning) على **مجموعة بيانات مكوّنة من 17,000 سجل** لتلخيص النصوص بدقة وكفاءة عالية. |
|
|
|
|
|
--- |
|
|
|
|
|
## ⚡ المميزات |
|
|
|
|
|
* ✅ أداء قوي جدًا في تلخيص النصوص العربية. |
|
|
* ✅ يحافظ على المعنى العام للنص مع اختصار الحجم. |
|
|
* ✅ يمكن استخدامه في تلخيص المقالات، الأخبار، الأبحاث، والمستندات الطويلة. |
|
|
* ✅ مبني على نموذج قوي مفتوح المصدر مع إعادة ضبط دقيقة (Fine-tuning). |
|
|
|
|
|
--- |
|
|
|
|
|
## 🛠️ البيانات |
|
|
|
|
|
تم تدريب النموذج باستخدام **17,000 صف** من البيانات عالية الجودة التي تحتوي على نصوص عربية وأهداف التلخيص المقابلة لها. |
|
|
هذا ساعد في تحسين دقة النموذج وجعله قادرًا على إنتاج **ملخصات متماسكة وسلسة**. |
|
|
|
|
|
--- |
|
|
|
|
|
## 🚀 كيفية الاستخدام |
|
|
|
|
|
```python |
|
|
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer |
|
|
|
|
|
# تحميل النموذج والمحول |
|
|
model_name = "اسم-المستخدم/arabic-summarization-model" |
|
|
tokenizer = AutoTokenizer.from_pretrained(model_name) |
|
|
model = AutoModelForSeq2SeqLM.from_pretrained(model_name) |
|
|
|
|
|
# إدخال نص للتلخيص |
|
|
text = """النص العربي المراد تلخيصه ...""" |
|
|
|
|
|
inputs = tokenizer(text, return_tensors="pt", max_length=1024, truncation=True) |
|
|
summary_ids = model.generate(inputs["input_ids"], max_length=150, min_length=40, length_penalty=2.0, num_beams=4) |
|
|
|
|
|
# عرض الملخص |
|
|
print(tokenizer.decode(summary_ids[0], skip_special_tokens=True)) |
|
|
``` |
|
|
|
|
|
--- |
|
|
|
|
|
## 📊 الأداء |
|
|
|
|
|
النموذج أظهر نتائج ممتازة في التجارب الداخلية على مقاييس **الدقة، التماسك، والمحافظة على المعنى**. |
|
|
أداؤه يُعتبر **جيد جدًا مقارنة بالنماذج المشابهة** في مجال تلخيص النصوص العربية. |
|
|
|
|
|
--- |
|
|
|
|
|
## 📌 ملاحظات |
|
|
|
|
|
* النموذج ما زال قابلًا للتطوير عبر تدريبه على بيانات إضافية. |
|
|
* يُفضّل استخدامه مع نصوص عربية فصيحة، مع أنه يعمل بشكل جيد أيضًا مع بعض اللهجات. |
