Edit model card

Model Card of lmqg/mt5-base-esquad-ae

This model is fine-tuned version of google/mt5-base for answer extraction on the lmqg/qg_esquad (dataset_name: default) via lmqg.

Overview

Usage

from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="es", model="lmqg/mt5-base-esquad-ae")

# model prediction
answers = model.generate_a("a noviembre , que es también la estación lluviosa.")
  • With transformers
from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/mt5-base-esquad-ae")
output = pipe("<hl> En la diáspora somalí, múltiples eventos islámicos de recaudación de fondos se llevan a cabo cada año en ciudades como Birmingham, Londres, Toronto y Minneapolis, donde los académicos y profesionales somalíes dan conferencias y responden preguntas de la audiencia. <hl> El propósito de estos eventos es recaudar dinero para nuevas escuelas o universidades en Somalia, para ayudar a los somalíes que han sufrido como consecuencia de inundaciones y / o sequías, o para reunir fondos para la creación de nuevas mezquitas como.")

Evaluation

Score Type Dataset
AnswerExactMatch 57.81 default lmqg/qg_esquad
AnswerF1Score 74.84 default lmqg/qg_esquad
BERTScore 90.66 default lmqg/qg_esquad
Bleu_1 43.7 default lmqg/qg_esquad
Bleu_2 38.74 default lmqg/qg_esquad
Bleu_3 35.16 default lmqg/qg_esquad
Bleu_4 32.14 default lmqg/qg_esquad
METEOR 42.73 default lmqg/qg_esquad
MoverScore 81.22 default lmqg/qg_esquad
ROUGE_L 49.6 default lmqg/qg_esquad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

  • dataset_path: lmqg/qg_esquad
  • dataset_name: default
  • input_types: ['paragraph_sentence']
  • output_types: ['answer']
  • prefix_types: None
  • model: google/mt5-base
  • max_length: 512
  • max_length_output: 32
  • epoch: 17
  • batch: 8
  • lr: 0.0005
  • fp16: False
  • random_seed: 1
  • gradient_accumulation_steps: 8
  • 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",
}
Downloads last month
3

Dataset used to train lmqg/mt5-base-esquad-ae

Evaluation results