Add a brief Farsi README

Encyclopedic Persian summary: packages, install, metrics table, silver-NER
caveat, build pointers. Linked from the English README.

README.fa.md

@@ -0,0 +1,51 @@
+# پردازش زبان طبیعی فارسی برای spaCy
+
+spaCy هیچ‌گاه مدل آموزش‌دیده‌ای برای فارسی منتشر نکرده است و `spacy.blank("fa")` تنها یک
+توکن‌ساز و فهرست واژه‌های اضافه در اختیار می‌گذارد. این مخزن دو pipeline آموزش‌دیدهٔ فارسی را
+فراهم می‌کند که بر پایهٔ پیکرهٔ [UD_Persian-PerDT](https://github.com/UniversalDependencies/UD_Persian-PerDT)
+ساخته شده‌اند و مانند دیگر مدل‌های spaCy با pip نصب می‌شوند.
+
+## بسته‌ها
+
+`fa_dep_news_sm` دربردارندهٔ **tok2vec**، **برچسب‌گذار اجزای کلام**، **ریخت‌شناس**،
+**بن‌واژه‌یاب آموزش‌پذیر** و **تجزیه‌گر وابستگی** است. `fa_core_news_sm` همان اجزا به‌همراه
+**بازشناسی موجودیت‌های نام‌دار** را دارد. هر دو تحت لیسانس CC BY-SA ۴٫۰ منتشر شده‌اند.
+
+```bash
+pip install https://huggingface.co/Phazel/fa_core_news_sm/resolve/main/fa_core_news_sm-any-py3-none-any.whl
+```
+
+```python
+import spacy
+nlp = spacy.load("fa_core_news_sm")
+doc = nlp("محمدرضا شجریان در مشهد به دنیا آمد.")
+print(doc.ents)   # (محمدرضا شجریان, مشهد)
+```
+
+## کارایی
+
+ارزیابی با `spacy benchmark accuracy` روی بخش آزمون همان پیکره انجام شده است:
+
+| سنجه | امتیاز | مرجع |
+| --- | --- | --- |
+| `TOKEN_ACC` / `TOKEN_F` | ۹۹٫۹۶ / ۹۹٫۱۱ | |
+| `TAG_ACC` (XPOS) | ۹۵٫۹۶ | |
+| `POS_ACC` (UPOS) | ۹۶٫۲۴ | |
+| `MORPH_ACC` | ۹۶٫۲۹ | |
+| `LEMMA_ACC` | ۹۷٫۹۱ | |
+| `SENTS_F` | ۹۹٫۲۵ | |
+| `DEP_UAS` | ۸۹٫۶۹ | hazm+ParsBERT: ۹۲٫۴۶ |
+| `DEP_LAS` | ۸۵٫۱۵ | hazm+ParsBERT: ۸۹٫۳۴ |
+| `ENTS_F` | ۷۱٫۸۷ | تنها در `fa_core_news_sm` |
+| سرعت | حدود ۹٬۲۵۰ واژه بر ثانیه | |
+
+برچسب‌های موجودیت «نقره‌ای» هستند: از لایه‌ای در خود پیکره می‌آیند که با برچسب‌زن Beheshti-NER
+تولید و سپس دستی اصلاح شده است. بنابراین `ENTS_F` تا اندازه‌ای هم‌خوانی با آن برچسب‌زن را
+می‌سنجد؛ دیگر سنجه‌های جدول در برابر دادهٔ طلایی سنجیده شده‌اند.
+
+آموزش روی یک پردازندهٔ چهارهسته‌ای i5-7200U و بدون کارت گرافیک انجام شده است: ۱ ساعت و ۲۷ دقیقه
+برای اجزای نحوی و ۱۷ دقیقه برای NER. این دو اجرا مستقل‌اند و می‌توانند هم‌زمان انجام شوند.
+
+گام‌های تبدیل پیکره، آموزش، ارزیابی و بسته‌بندی در [`project.yml`](project.yml) تعریف شده‌اند.
+توضیح بیشتر دربارهٔ گزینش پیکره و پروانه‌ها در [`docs/MODELS.md`](docs/MODELS.md) و شرح انگلیسی
+پروژه در [`README.md`](README.md) آمده است.

README.md

@@ -157,4 +157,5 @@ It did confirm the corpus choice. hazm's own spaCy parser was trained on
 - How spaCy models get published, and what upstream `fa` already has:
   [`docs/CONTRIBUTING-GUIDE.md`](docs/CONTRIBUTING-GUIDE.md)
 - The build: [`project.yml`](project.yml)
+- خلاصهٔ فارسی: [`README.fa.md`](README.fa.md)
 - Language data comes from `spacy/lang/fa` upstream, whose stop word list came from hazm.