README.md

---
language:
- ar
pipeline_tag: text-generation
---
# Model Card for Model ID

## Model Details

### Model Description

- **Language(s) (NLP):** [Arabic]

- **Finetuned from model :** [aragpt2-mega](https://huggingface.co/aubmindlab/aragpt2-mega)



## Uses


1. pose tagging for arabic language and it may use for other languages
2. The model can be helpful for the arabic langauge students/researchers, since it provide the sentence anaylsis (اعراب الجملة ) in the context.
3. arabic word toknizer
4. it may use for translate the arabic dailects to MSA




## Main Labels

{'حرف جر': 'preposition',
 'اسم': 'noun',
 'اسم علم': 'proper noun',
 'لام التعريف': 'determiner',
 'صفة': 'adjective',
 'ضمير': 'personal pronoun',
 'فعل': 'verb',
 'حرف عطف': 'conjunction',
 'اسم موصول': 'relative pronoun',
 'حرف نفي': 'negative particle',
 'حروف مقطعة': 'quranic initials',
 'اسم اشارة': 'demonstrative pronoun',
 'حرف استئنافية': 'resumption',
 'حرف نصب': 'accusative particle',
 'حرف تسوية': 'equalization particle',
 'حرف حال': 'circumstantial particle',
 'أداة حصر': 'restriction particle',
 'ظرف زمان': 'time adverb',
 'حرف نهي': 'prohibition particle',
 'حرف كاف': 'preventive particle',
 'حرف ابتداء': 'inceptive particle',
 'حرف زائد': 'supplemental particle',
 'حرف استدراك': 'amendment particle',
 'حرف مصدري': 'subordinating conjunction',
 'حرف استفهام': 'interrogative particle',
 'ظرف مكان': 'location adverb',
 'حرف شرط': 'conditional particle',
 'لام التوكيد': 'emphatic',
 'حرف نداء': 'vocative particle',
 'حرف واقع في جواب الشرط': 'result particle',
 'حرف تفصيل': 'explanation particle',
 'أداة استثناء': 'exceptive particle',
 'حرف سببية': 'particle of cause',
 'التوكيد - النون الثقيلة': 'heavy noon emphesis',
 'حرف استقبال': 'future particle',
 'حرف تحقيق': 'particle of certainty',
 'لام التعليل': 'purpose',
 'حرف جواب': 'answer particle',
 'حرف اضراب': 'retraction particle',
 'حرف تحضيض': 'exhortation particle',
 'حرف تفسير': 'particle of interpretation',
 'لام الامر': 'imperative',
 'واو المعية': 'comitative particle',
 'حرف فجاءة': 'surprise particle',
 'حرف ردع': 'aversion particle',
 'اسم فعل أمر': 'imperative verbal noun'}


## How to Get Started with the Model

```python
from transformers import GPT2Tokenizer 
from pyarabic.araby import strip_diacritics,strip_tatweel
from arabert.aragpt2.grover.modeling_gpt2 import GPT2LMHeadModel
from transformers import pipeline

model_name='alsubari/aragpt2-mega-pos-msa'


tokenizer = GPT2Tokenizer.from_pretrained('alsubari/aragpt2-mega-pos-msa')
model = GPT2LMHeadModel.from_pretrained('alsubari/aragpt2-mega-pos-msa').to("cuda")

generator = pipeline("text-generation",model=model,tokenizer=tokenizer,device=0)
def generate(text):
    prompt = f'<|startoftext|>Instruction: {text}<|pad|>Answer:'    
    pred_text=  generator(prompt,
      pad_token_id=tokenizer.eos_token_id,
      num_beams=20, 
      max_length=256,
      #min_length = 200,
      do_sampling=False,
      top_p=0.5,
      top_k=1,
      repetition_penalty = 3.0,
      # temperature=0.8,
      no_repeat_ngram_size = 3)[0]['generated_text']
    try:
        pred_sentiment = re.findall("Answer:(.*)", pred_text,re.S)[-1]
    except:
        pred_sentiment = "None"   

    return pred_sentiment
text='تعلَّمْ من أخطائِكَ'
generate(strip_tatweel(strip_diacritics(text)))
#' تعلم ( تعلم : فعل ) من ( من : حرف جر ) أخطائك ( اخطاء : اسم ، ك : ضمير )'
```


### Results

Epoch 	          1
Training Loss 	  0.108500 	
Validation Loss   0.082612
             


## Model Card Contact

[[email protected]]