metadata
license: apache-2.0
language:
- fa
widget:
- text: >-
دختری در قطار؛ پرفروش‌ترین کتاب نیویورک‌تایمز را امروز رایگان بخوانید کتاب
دختری در قطار هدیه امروز فیدیبو است.
- text: >-
استرینگ‌کست: با ترسناک‌ترین بیماری جهان آشنا شوید با گذر زمان و پیشرفت
امکانات، سن انسان‌ها روز به‌روز بیشتر می‌شود. ولی با این بالا رفتن سن،
بیماری‌های جدید و خطرناکی خودشون را به ما نشان می‌دهند.
Persian Text Classification [DigiMag, Persian News]
The task target is labeling texts in a supervised manner in both existing datasets DigiMag and Persian News.
DigiMag
A total of 8,515 articles scraped from Digikala Online Magazine. This dataset includes seven different classes.
- Video Games
- Shopping Guide
- Health Beauty
- Science Technology
- General
- Art Cinema
- Books Literature
| Label | # |
|---|---|
| Video Games | 1967 |
| Shopping Guide | 125 |
| Health Beauty | 1610 |
| Science Technology | 2772 |
| General | 120 |
| Art Cinema | 1667 |
| Books Literature | 254 |
Download You can download the dataset from here
Results
The following table summarizes the F1 score obtained by ParsBERT as compared to other models and architectures.
| Dataset | ParsBERT v2 | ParsBERT v1 | mBERT |
|---|---|---|---|
| Digikala Magazine | 93.65* | 93.59 | 90.72 |