---
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](https://huggingface.co/erfan226/persian-t5-formality-transfer).


## Evaluation Metrics

| Metric               | Basic Model | Base Persian T5 | Our Model   |
|----------------------|-------------|-----------------|-------------|
| BLEU-1               | 0.524       | 0.212           | **0.636**   |
| BLEU-2               | 0.358       | 0.137           | **0.511**   |
| BLEU-3               | 0.254       | 0.096           | **0.416**   |
| BLEU-4               | 0.18        | 0.068           | **0.337**   |
| Bert-Score Precision | 0.671       | 0.537           | **0.797**   |
| Bert-Score Recall    | 0.712       | 0.570           | **0.805**   |
| Bert-Score F1 Score  | 0.690       | 0.549           | **0.800**   |
| ROUGE-1 F1 Score     | 0.553       | -               | **0.645**   |
| ROUGE-2 F1 Score     | 0.274       | -               | **0.427**   |
| ROUGE-l F1 Score     | 0.522       | -               | **0.628**   |



## Usage

```python

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. دوستی تو برای من یک هدیه بزرگ است و من همیشه از داشتن یک دوست مانند تو خوشحال هستم."
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.


```