metadata
license: cc-by-4.0
metrics:
- bleu4
- meteor
- rouge-l
- bertscore
- moverscore
language: ja
datasets:
- lmqg/qg_jaquad
pipeline_tag: text2text-generation
tags:
- question generation
widget:
- text: >-
ゾフィーは貴族出身ではあったが王族出身ではなく、ハプスブルク家の皇位継承者であるフランツ・フェルディナントとの結婚は貴賤結婚となった。皇帝フランツ・ヨーゼフは、2人の間に生まれた子孫が皇位を継がないことを条件として結婚を承認していた。視察が予定されている<hl>6月28日<hl>は2人の14回目の結婚記念日であった。
example_title: Question Generation Example 1
- text: >-
『クマのプーさん』の物語はまず1925年12月24日、『イヴニング・ニュース』紙のクリスマス特集号に短編作品として掲載された。これは『クマのプーさん』の第一章にあたる作品で、このときだけは挿絵をJ.H.ダウドがつけている。その後作品10話と挿絵が整い、刊行に先駆けて「イーヨーの誕生日」のエピソードが1926年8月に『ロイヤルマガジン』に、同年10月9日に『ニューヨーク・イヴニング・ポスト』紙に掲載されたあと、同年10月14日にロンドンで(メシュエン社)、21日にニューヨークで(ダットン社)『クマのプーさん』が刊行された。前著『ぼくたちがとてもちいさかったころ』がすでに大きな成功を収めていたこともあり、イギリスでは初版は前著の7倍に当たる<hl>3万5000部<hl>が刷られた。他方のアメリカでもその年の終わりまでに15万部を売り上げている。ただし依然として人気のあった前著を売り上げで追い越すには数年の時間を要した。
example_title: Question Generation Example 2
- text: >-
フェルメールの作品では、17世紀のオランダの画家、ヨハネス・フェルメールの作品について記述する。フェルメールの作品は、疑問作も含め<hl>30数点<hl>しか現存しない。現存作品はすべて油彩画で、版画、下絵、素描などは残っていない。以下には若干の疑問作も含め、37点の基本情報を記載し、各作品について略説する。収録順序、推定制作年代は『「フェルメールとその時代展」図録』による。日本語の作品タイトルについては、上掲図録のほか、『「フェルメール展」図録』、『フェルメール生涯と作品』による。便宜上「1650年代の作品」「1660年代の作品」「1670年代の作品」の3つの節を設けたが、フェルメールの作品には制作年代不明のものが多く、推定制作年代については研究者や文献によって若干の差がある。
example_title: Question Generation Example 3
model-index:
- name: lmqg/mbart-large-cc25-jaquad-qg
results:
- task:
name: Text2text Generation
type: text2text-generation
dataset:
name: lmqg/qg_jaquad
type: default
args: default
metrics:
- name: BLEU4 (Question Generation)
type: bleu4_question_generation
value: 32.16
- name: ROUGE-L (Question Generation)
type: rouge_l_question_generation
value: 52.95
- name: METEOR (Question Generation)
type: meteor_question_generation
value: 29.97
- name: BERTScore (Question Generation)
type: bertscore_question_generation
value: 82.26
- name: MoverScore (Question Generation)
type: moverscore_question_generation
value: 59.88
- name: >-
QAAlignedF1Score-BERTScore (Question & Answer Generation (with
Gold Answer)) [Gold Answer]
type: >-
qa_aligned_f1_score_bertscore_question_answer_generation_with_gold_answer_gold_answer
value: 87.16
- name: >-
QAAlignedRecall-BERTScore (Question & Answer Generation (with Gold
Answer)) [Gold Answer]
type: >-
qa_aligned_recall_bertscore_question_answer_generation_with_gold_answer_gold_answer
value: 87.16
- name: >-
QAAlignedPrecision-BERTScore (Question & Answer Generation (with
Gold Answer)) [Gold Answer]
type: >-
qa_aligned_precision_bertscore_question_answer_generation_with_gold_answer_gold_answer
value: 87.17
- name: >-
QAAlignedF1Score-MoverScore (Question & Answer Generation (with
Gold Answer)) [Gold Answer]
type: >-
qa_aligned_f1_score_moverscore_question_answer_generation_with_gold_answer_gold_answer
value: 63.08
- name: >-
QAAlignedRecall-MoverScore (Question & Answer Generation (with
Gold Answer)) [Gold Answer]
type: >-
qa_aligned_recall_moverscore_question_answer_generation_with_gold_answer_gold_answer
value: 63.06
- name: >-
QAAlignedPrecision-MoverScore (Question & Answer Generation (with
Gold Answer)) [Gold Answer]
type: >-
qa_aligned_precision_moverscore_question_answer_generation_with_gold_answer_gold_answer
value: 63.1
- name: >-
QAAlignedF1Score-BERTScore (Question & Answer Generation) [Gold
Answer]
type: >-
qa_aligned_f1_score_bertscore_question_answer_generation_gold_answer
value: 76.7
- name: >-
QAAlignedRecall-BERTScore (Question & Answer Generation) [Gold
Answer]
type: qa_aligned_recall_bertscore_question_answer_generation_gold_answer
value: 78.87
- name: >-
QAAlignedPrecision-BERTScore (Question & Answer Generation) [Gold
Answer]
type: >-
qa_aligned_precision_bertscore_question_answer_generation_gold_answer
value: 74.75
- name: >-
QAAlignedF1Score-MoverScore (Question & Answer Generation) [Gold
Answer]
type: >-
qa_aligned_f1_score_moverscore_question_answer_generation_gold_answer
value: 53.64
- name: >-
QAAlignedRecall-MoverScore (Question & Answer Generation) [Gold
Answer]
type: >-
qa_aligned_recall_moverscore_question_answer_generation_gold_answer
value: 55.14
- name: >-
QAAlignedPrecision-MoverScore (Question & Answer Generation) [Gold
Answer]
type: >-
qa_aligned_precision_moverscore_question_answer_generation_gold_answer
value: 52.32
Model Card of lmqg/mbart-large-cc25-jaquad-qg
This model is fine-tuned version of facebook/mbart-large-cc25 for question generation task on the lmqg/qg_jaquad (dataset_name: default) via lmqg.
Overview
- Language model: facebook/mbart-large-cc25
- Language: ja
- Training data: lmqg/qg_jaquad (default)
- Online Demo: https://autoqg.net/
- Repository: https://github.com/asahi417/lm-question-generation
- Paper: https://arxiv.org/abs/2210.03992
Usage
- With
lmqg
from lmqg import TransformersQG
# initialize model
model = TransformersQG(language="ja", model="lmqg/mbart-large-cc25-jaquad-qg")
# model prediction
questions = model.generate_q(list_context="フェルメールの作品では、17世紀のオランダの画家、ヨハネス・フェルメールの作品について記述する。フェルメールの作品は、疑問作も含め30数点しか現存しない。現存作品はすべて油彩画で、版画、下絵、素描などは残っていない。", list_answer="30数点")
- With
transformers
from transformers import pipeline
pipe = pipeline("text2text-generation", "lmqg/mbart-large-cc25-jaquad-qg")
output = pipe("ゾフィーは貴族出身ではあったが王族出身ではなく、ハプスブルク家の皇位継承者であるフランツ・フェルディナントとの結婚は貴賤結婚となった。皇帝フランツ・ヨーゼフは、2人の間に生まれた子孫が皇位を継がないことを条件として結婚を承認していた。視察が予定されている<hl>6月28日<hl>は2人の14回目の結婚記念日であった。")
Evaluation
- Metric (Question Generation): raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| BERTScore | 82.26 | default | lmqg/qg_jaquad |
| Bleu_1 | 57.05 | default | lmqg/qg_jaquad |
| Bleu_2 | 45.45 | default | lmqg/qg_jaquad |
| Bleu_3 | 37.81 | default | lmqg/qg_jaquad |
| Bleu_4 | 32.16 | default | lmqg/qg_jaquad |
| METEOR | 29.97 | default | lmqg/qg_jaquad |
| MoverScore | 59.88 | default | lmqg/qg_jaquad |
| ROUGE_L | 52.95 | default | lmqg/qg_jaquad |
- Metric (Question & Answer Generation, Reference Answer): Each question is generated from the gold answer. raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| QAAlignedF1Score (BERTScore) | 87.16 | default | lmqg/qg_jaquad |
| QAAlignedF1Score (MoverScore) | 63.08 | default | lmqg/qg_jaquad |
| QAAlignedPrecision (BERTScore) | 87.17 | default | lmqg/qg_jaquad |
| QAAlignedPrecision (MoverScore) | 63.1 | default | lmqg/qg_jaquad |
| QAAlignedRecall (BERTScore) | 87.16 | default | lmqg/qg_jaquad |
| QAAlignedRecall (MoverScore) | 63.06 | default | lmqg/qg_jaquad |
- Metric (Question & Answer Generation, Pipeline Approach): Each question is generated on the answer generated by
lmqg/mbart-large-cc25-jaquad-ae. raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| QAAlignedF1Score (BERTScore) | 76.7 | default | lmqg/qg_jaquad |
| QAAlignedF1Score (MoverScore) | 53.64 | default | lmqg/qg_jaquad |
| QAAlignedPrecision (BERTScore) | 74.75 | default | lmqg/qg_jaquad |
| QAAlignedPrecision (MoverScore) | 52.32 | default | lmqg/qg_jaquad |
| QAAlignedRecall (BERTScore) | 78.87 | default | lmqg/qg_jaquad |
| QAAlignedRecall (MoverScore) | 55.14 | default | lmqg/qg_jaquad |
Training hyperparameters
The following hyperparameters were used during fine-tuning:
- dataset_path: lmqg/qg_jaquad
- dataset_name: default
- input_types: ['paragraph_answer']
- output_types: ['question']
- prefix_types: None
- model: facebook/mbart-large-cc25
- max_length: 512
- max_length_output: 32
- epoch: 12
- batch: 64
- lr: 0.0001
- fp16: False
- random_seed: 1
- gradient_accumulation_steps: 1
- label_smoothing: 0.15
The full configuration can be found at fine-tuning config file.
Citation
@inproceedings{ushio-etal-2022-generative,
title = "{G}enerative {L}anguage {M}odels for {P}aragraph-{L}evel {Q}uestion {G}eneration",
author = "Ushio, Asahi and
Alva-Manchego, Fernando and
Camacho-Collados, Jose",
booktitle = "Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing",
month = dec,
year = "2022",
address = "Abu Dhabi, U.A.E.",
publisher = "Association for Computational Linguistics",
}