Update README.md

README.md

@@ -1,22 +1,36 @@
-Google's mT5
+---
+tags:
+- question-generation
+language: 
+- thai
+- th
+datasets:
+- NSC2018
+- wiki-documents-nsc
+- ThaiQACorpus-DevelopmentDataset
+license: mit
+---
+[Pollawat](https://huggingface.co/Pollawat/mt5-small-thai-qg)
 
-This is a model for generating questions from Thai texts. It was fine-tuned on NSC2018 corpus
+[Google's mT5](https://github.com/google-research/multilingual-t5)
 
-from transformers import T5Tokenizer, MT5ForConditionalGeneration
-  
-tokenizer = T5Tokenizer.from_pretrained("Pollawat/mt5-small-thai-qg")
-model = MT5ForConditionalGeneration.from_pretrained("Pollawat/mt5-small-thai-qg")
+```python
+from transformers import T5Tokenizer, T5ForConditionalGeneration, T5Config
 
-text = "กรุงเทพมหานคร เป็นเมืองหลวงและนครที่มีประชากรมากที่สุดของประเทศไทย เป็นศูนย์กลางการปกครอง การศึกษา การคมนาคมขนส่ง การเงินการธนาคาร การพาณิชย์ การสื่อสาร และความเจริญของประเทศ เป็นเมืองที่มีชื่อยาวที่สุดในโลก ตั้งอยู่บนสามเหลี่ยมปากแม่น้ำเจ้าพระยา มีแม่น้ำเจ้าพระยาไหลผ่านและแบ่งเมืองออกเป็น 2 ฝั่ง คือ ฝั่งพระนครและฝั่งธนบุรี กรุงเทพมหานครมีพื้นที่ทั้งหมด 1,568.737 ตร.กม. มีประชากรตามทะเบียนราษฎรกว่า 5 ล้านคน ทำให้กรุงเทพมหานครเป็นเอกนคร (Primate City) จัด มีผู้กล่าวว่า กรุงเทพมหานครเป็น 'เอกนครที่สุดในโลก' เพราะมีประชากรมากกว่านครที่มีประชากรมากเป็นอันดับ 2 ถึง 40 เท่า[3]"
+model = T5ForConditionalGeneration.from_pretrained('SuperAI2-Machima/mt5-small-thai-qg')
+tokenizer = T5Tokenizer.from_pretrained('SuperAI2-Machima/mt5-small-thai-qg')
 
-input_ids = tokenizer.encode(text, return_tensors='pt')
+source_text = 'บุกยึดไม้เถื่อน อดีต ส.ส.บุรีรัมย์ เตรียมสร้างคฤหาสน์ทรงไทย 1 กันยายน 2550 12:00 น. ตำรวจภูธรจ.บุรีรัมย์บุกตรวจยึดไม้แปรรูปหวงห้ามกว่า 80 แผ่น'
 
-beam_output = model.generate(
-    input_ids, 
-    max_length=50,
-    num_beams=5,
-    early_stopping=True
-)
-
-print(tokenizer.decode(beam_output[0], skip_special_tokens=True))
->> <extra_id_0>ของกรุงเทพมหานครเป็นเมืองหลวงของประเทศใด
+print('Predicted Summary Text : ')
+tokenized_text = tokenizer.encode(source_text, return_tensors="pt").to(device)
+summary_ids = model.generate(tokenized_text,
+                                        num_beams=4,
+                                        no_repeat_ngram_size=2,
+                                        max_length=50,
+                                        early_stopping=True)
+output = tokenizer.decode(summary_ids[0], skip_special_tokens=True)
+print(output)
+#Predicted Summary Text : 
+#answer: 80 แผ่น question: ตํารวจภูธรจ.บุรีรัมย์บุกตรวจยึดไม้แปรรูปหวงห้ามกว่ากี่แผ่น
+```