Hi

I have fine-tuned ParsBert for classifying Persian text using the "Msobhi/virgool_62k" dataset, with the labels listed below:

{'استارتاپ': 0, 'اقتصاد': 1, 'امنیت سایبری': 2, 'اینترنت اشیا': 3, 'بازاریابی': 4, 'بازی رایانه ای': 5, 'برنامه نویسی': 6, 'بلاک چین': 7, 'بهره وری': 8, 'تاریخ': 9, 'تجربه کاربری': 10, 'تحصیلی و آموزشی': 11, 'حقوقی': 12, 'خانواده': 13, 'خودشناسی': 14, 'داستان': 15, 'رابطه': 16, 'روانشناسی': 17, 'زنان': 18, 'سفر': 19, 'سلامت': 20, 'سلامت روانی': 21, 'سیاست': 22, 'شبکه اجتماعی': 23, 'شغل و کار': 24, 'طراحی دیجیتال': 25, 'علوم': 26, 'عکاسی': 27, 'غذا': 28, 'فرهنگ': 29, 'فریلنسری': 30, 'فلسفه': 31, 'فیلم و سینما': 32, 'فین تک': 33, 'محیط زیست': 34, 'مذهبی': 35, 'مهاجرت': 36, 'مهندسی نرم افزار': 37, 'موسیقی': 38, 'موفقیت': 39, 'نویسندگی': 40, 'هنر': 41, 'هوا فضا': 42, 'هوش مصنوعی': 43, 'ورزشی': 44, 'پادکست': 45, 'پول رمزی': 46, 'کارآفرینی': 47, 'کتاب': 48, 'یادگیری ماشین': 49}

Utilize this code snippet to test the model. It may not be very accurate, but further training epochs could enhance its performance.

model_path = "Aminrhmni/Persian_text_classification"

from transformers import pipeline, BertForSequenceClassification, BertTokenizerFast

model = BertForSequenceClassification.from_pretrained(model_path)

tokenizer= BertTokenizerFast.from_pretrained(model_path)

nlp= pipeline("text-classification", model=model, tokenizer=tokenizer)

nlp("متن ورودی")

Downloads last month
0
Safetensors
Model size
163M params
Tensor type
F32
·
Inference Examples
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social visibility and check back later, or deploy to Inference Endpoints (dedicated) instead.

Dataset used to train Aminrhmni/Persian_text_classification