asahi417's picture
model update
97a9a83
metadata
license: cc-by-4.0
metrics:
  - bleu4
  - meteor
  - rouge-l
  - bertscore
  - moverscore
language: de
datasets:
  - lmqg/qg_dequad
pipeline_tag: text2text-generation
tags:
  - question generation
  - answer extraction
widget:
  - text: >-
      generate question: Empfangs- und Sendeantenne sollen in ihrer Polarisation
      übereinstimmen, andernfalls <hl> wird die Signalübertragung stark
      gedämpft. <hl>
    example_title: Question Generation Example 1
  - text: >-
      generate question: das erste weltweit errichtete Hermann Brehmer <hl> 1855
      <hl> im niederschlesischen ''Görbersdorf'' (heute Sokołowsko, Polen).
    example_title: Question Generation Example 2
  - text: >-
      generate question: Er muss Zyperngrieche sein und wird direkt für <hl>
      fünf Jahre <hl> gewählt (Art. 43 Abs. 1 der Verfassung) und verfügt über
      weitreichende Exekutivkompetenzen.
    example_title: Question Generation Example 3
  - text: >-
      extract answers: Sommerzeit <hl> Frühling <hl>: Umstellung von Normalzeit
      auf Sommerzeit – die Uhr wird um eine Stunde ''vor''gestellt. Herbst:
      Umstellung von Sommerzeit auf Normalzeit – die Uhr wird um eine Stunde
      ''zurück''gestellt. Als Sommerzeit wird die gegenüber der Zonenzeit meist
      um eine Stunde vorgestellte Uhrzeit bezeichnet, die während eines
      bestimmten Zeitraums im Sommerhalbjahr (und oft auch etwas darüber hinaus)
      als gesetzliche Zeit dient. Eine solche Regelung wird fast nur in Ländern
      der gemäßigten Zonen angewandt. Die mitteleuropäische Sommerzeit beginnt
      am letzten Sonntag im März um 2:00 Uhr MEZ, indem die Stundenzählung um
      eine Stunde von 2:00 Uhr auf 3:00 Uhr vorgestellt wird. Sie endet jeweils
      am letzten Sonntag im Oktober um 3:00 Uhr MESZ, indem die Stundenzählung
      um eine Stunde von 3:00 Uhr auf 2:00 Uhr zurückgestellt wird.
    example_title: Answer Extraction Example 1
  - text: >-
      extract answers: Iran === Landwirtschaft === Die landwirtschaftliche
      Nutzfläche beträgt trotz zahlreicher Gebirge und Wüsten 10 % der
      Landesfläche, wobei ein Drittel künstlich bewässert wird. Die
      Landwirtschaft ist einer der größten Arbeitgeber des Landes. Wichtige
      Produkte sind Pistazien, Weizen, Reis, Zucker, Baumwolle, Früchte, Nüsse,
      Datteln, Wolle und Kaviar. Seit der Revolution von 1979 wurde der Anbau
      von Weintrauben wegen des islamischen Alkoholverbots auf den 200.000
      Hektar Rebfläche fast vollständig auf Tafeltrauben und Rosinen umgestellt.
      Bei Rosinen ist <hl> der Iran <hl> inzwischen nach der Türkei der
      zweitgrößte Exporteur der Welt, bei Safran mit ungefähr 90 % Marktanteil
      des globalen Bedarfs mit Abstand der größte.
    example_title: Answer Extraction Example 2
model-index:
  - name: lmqg/mt5-small-dequad-qg-ae
    results:
      - task:
          name: Text2text Generation
          type: text2text-generation
        dataset:
          name: lmqg/qg_dequad
          type: default
          args: default
        metrics:
          - name: BLEU4 (Question Generation)
            type: bleu4_question_generation
            value: 0.82
          - name: ROUGE-L (Question Generation)
            type: rouge_l_question_generation
            value: 10.15
          - name: METEOR (Question Generation)
            type: meteor_question_generation
            value: 12.18
          - name: BERTScore (Question Generation)
            type: bertscore_question_generation
            value: 80.39
          - name: MoverScore (Question Generation)
            type: moverscore_question_generation
            value: 55.1
          - name: >-
              QAAlignedF1Score-BERTScore (Question & Answer Generation (with
              Gold Answer))
            type: >-
              qa_aligned_f1_score_bertscore_question_answer_generation_with_gold_answer
            value: 80.02
          - name: >-
              QAAlignedRecall-BERTScore (Question & Answer Generation (with Gold
              Answer))
            type: >-
              qa_aligned_recall_bertscore_question_answer_generation_with_gold_answer
            value: 81.23
          - name: >-
              QAAlignedPrecision-BERTScore (Question & Answer Generation (with
              Gold Answer))
            type: >-
              qa_aligned_precision_bertscore_question_answer_generation_with_gold_answer
            value: 78.91
          - name: >-
              QAAlignedF1Score-MoverScore (Question & Answer Generation (with
              Gold Answer))
            type: >-
              qa_aligned_f1_score_moverscore_question_answer_generation_with_gold_answer
            value: 53.99
          - name: >-
              QAAlignedRecall-MoverScore (Question & Answer Generation (with
              Gold Answer))
            type: >-
              qa_aligned_recall_moverscore_question_answer_generation_with_gold_answer
            value: 54.27
          - name: >-
              QAAlignedPrecision-MoverScore (Question & Answer Generation (with
              Gold Answer))
            type: >-
              qa_aligned_precision_moverscore_question_answer_generation_with_gold_answer
            value: 53.77
          - name: BLEU4 (Answer Extraction)
            type: bleu4_answer_extraction
            value: 5.83
          - name: ROUGE-L (Answer Extraction)
            type: rouge_l_answer_extraction
            value: 18.26
          - name: METEOR (Answer Extraction)
            type: meteor_answer_extraction
            value: 22.47
          - name: BERTScore (Answer Extraction)
            type: bertscore_answer_extraction
            value: 75.15
          - name: MoverScore (Answer Extraction)
            type: moverscore_answer_extraction
            value: 57.76
          - name: AnswerF1Score (Answer Extraction)
            type: answer_f1_score__answer_extraction
            value: 37.66
          - name: AnswerExactMatch (Answer Extraction)
            type: answer_exact_match_answer_extraction
            value: 9.94

Model Card of lmqg/mt5-small-dequad-qg-ae

This model is fine-tuned version of google/mt5-small for question generation and answer extraction jointly on the lmqg/qg_dequad (dataset_name: default) via lmqg.

Overview

Usage

from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="de", model="lmqg/mt5-small-dequad-qg-ae")

# model prediction
question_answer_pairs = model.generate_qa("das erste weltweit errichtete Hermann Brehmer 1855 im niederschlesischen ''Görbersdorf'' (heute Sokołowsko, Polen).")
  • With transformers
from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/mt5-small-dequad-qg-ae")

# answer extraction
answer = pipe("generate question: Empfangs- und Sendeantenne sollen in ihrer Polarisation übereinstimmen, andernfalls <hl> wird die Signalübertragung stark gedämpft. <hl>")

# question generation
question = pipe("extract answers: Sommerzeit <hl> Frühling <hl>: Umstellung von Normalzeit auf Sommerzeit – die Uhr wird um eine Stunde ''vor''gestellt. Herbst: Umstellung von Sommerzeit auf Normalzeit – die Uhr wird um eine Stunde ''zurück''gestellt. Als Sommerzeit wird die gegenüber der Zonenzeit meist um eine Stunde vorgestellte Uhrzeit bezeichnet, die während eines bestimmten Zeitraums im Sommerhalbjahr (und oft auch etwas darüber hinaus) als gesetzliche Zeit dient. Eine solche Regelung wird fast nur in Ländern der gemäßigten Zonen angewandt. Die mitteleuropäische Sommerzeit beginnt am letzten Sonntag im März um 2:00 Uhr MEZ, indem die Stundenzählung um eine Stunde von 2:00 Uhr auf 3:00 Uhr vorgestellt wird. Sie endet jeweils am letzten Sonntag im Oktober um 3:00 Uhr MESZ, indem die Stundenzählung um eine Stunde von 3:00 Uhr auf 2:00 Uhr zurückgestellt wird.")

Evaluation

Score Type Dataset
BERTScore 80.39 default lmqg/qg_dequad
Bleu_1 10.13 default lmqg/qg_dequad
Bleu_2 4.24 default lmqg/qg_dequad
Bleu_3 1.89 default lmqg/qg_dequad
Bleu_4 0.82 default lmqg/qg_dequad
METEOR 12.18 default lmqg/qg_dequad
MoverScore 55.1 default lmqg/qg_dequad
ROUGE_L 10.15 default lmqg/qg_dequad
Score Type Dataset
QAAlignedF1Score (BERTScore) 80.02 default lmqg/qg_dequad
QAAlignedF1Score (MoverScore) 53.99 default lmqg/qg_dequad
QAAlignedPrecision (BERTScore) 78.91 default lmqg/qg_dequad
QAAlignedPrecision (MoverScore) 53.77 default lmqg/qg_dequad
QAAlignedRecall (BERTScore) 81.23 default lmqg/qg_dequad
QAAlignedRecall (MoverScore) 54.27 default lmqg/qg_dequad
Score Type Dataset
AnswerExactMatch 9.94 default lmqg/qg_dequad
AnswerF1Score 37.66 default lmqg/qg_dequad
BERTScore 75.15 default lmqg/qg_dequad
Bleu_1 19.77 default lmqg/qg_dequad
Bleu_2 13.28 default lmqg/qg_dequad
Bleu_3 8.84 default lmqg/qg_dequad
Bleu_4 5.83 default lmqg/qg_dequad
METEOR 22.47 default lmqg/qg_dequad
MoverScore 57.76 default lmqg/qg_dequad
ROUGE_L 18.26 default lmqg/qg_dequad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

  • dataset_path: lmqg/qg_dequad
  • dataset_name: default
  • input_types: ['paragraph_answer', 'paragraph_sentence']
  • output_types: ['question', 'answer']
  • prefix_types: ['qg', 'ae']
  • model: google/mt5-small
  • max_length: 512
  • max_length_output: 32
  • epoch: 15
  • batch: 16
  • lr: 0.001
  • fp16: False
  • random_seed: 1
  • gradient_accumulation_steps: 4
  • 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",
}