Edit model card

Model Card of lmqg/mt5-small-itquad-qa

This model is fine-tuned version of google/mt5-small for question answering task on the lmqg/qg_itquad (dataset_name: default) via lmqg.

Overview

Usage

from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="it", model="lmqg/mt5-small-itquad-qa")

# model prediction
answers = model.answer_q(list_question="Quale batterio ha il nome del paese che colpisce di più nel suo nome?", list_context=" Il complesso M. tubercolosi (MTBC) comprende altri quattro micobatteri causa di tubercolosi: M. bovis, M. africanum, M. canetti e M. microti. M. africanum non è molto diffuso, ma è una causa significativa di tubercolosi in alcune parti dell' Africa. M. bovis era una volta una causa comune della tubercolosi, ma l' introduzione del latte pastorizzato ha quasi completamente eliminato questo problema di salute pubblica nei paesi sviluppati. M. canetti è raro e sembra essere limitato al Corno d' Africa, anche se alcuni casi sono stati osservati negli emigranti africani. M. microti è anche raro ed è visto quasi solo in persone immunodeficienti, anche se la sua prevalenza può essere significativamente sottovalutata.")
  • With transformers
from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/mt5-small-itquad-qa")
output = pipe("question: Quale batterio ha il nome del paese che colpisce di più nel suo nome?, context: Il complesso M. tubercolosi (MTBC) comprende altri quattro micobatteri causa di tubercolosi: M. bovis, M. africanum, M. canetti e M. microti. M. africanum non è molto diffuso, ma è una causa significativa di tubercolosi in alcune parti dell' Africa. M. bovis era una volta una causa comune della tubercolosi, ma l' introduzione del latte pastorizzato ha quasi completamente eliminato questo problema di salute pubblica nei paesi sviluppati. M. canetti è raro e sembra essere limitato al Corno d' Africa, anche se alcuni casi sono stati osservati negli emigranti africani. M. microti è anche raro ed è visto quasi solo in persone immunodeficienti, anche se la sua prevalenza può essere significativamente sottovalutata.")

Evaluation

Score Type Dataset
AnswerExactMatch 37.59 default lmqg/qg_itquad
AnswerF1Score 53.22 default lmqg/qg_itquad
BERTScore 90.55 default lmqg/qg_itquad
Bleu_1 22.32 default lmqg/qg_itquad
Bleu_2 17.21 default lmqg/qg_itquad
Bleu_3 13.78 default lmqg/qg_itquad
Bleu_4 11.03 default lmqg/qg_itquad
METEOR 27.54 default lmqg/qg_itquad
MoverScore 75.47 default lmqg/qg_itquad
ROUGE_L 32.3 default lmqg/qg_itquad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

  • dataset_path: lmqg/qg_itquad
  • dataset_name: default
  • input_types: ['paragraph_question']
  • output_types: ['answer']
  • prefix_types: None
  • model: google/mt5-small
  • max_length: 512
  • max_length_output: 32
  • epoch: 13
  • batch: 16
  • lr: 0.0005
  • 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",
}
Downloads last month
1

Dataset used to train lmqg/mt5-small-itquad-qa

Evaluation results

  • BLEU4 (Question Answering) on lmqg/qg_itquad
    self-reported
    11.030
  • ROUGE-L (Question Answering) on lmqg/qg_itquad
    self-reported
    32.300
  • METEOR (Question Answering) on lmqg/qg_itquad
    self-reported
    27.540
  • BERTScore (Question Answering) on lmqg/qg_itquad
    self-reported
    90.550
  • MoverScore (Question Answering) on lmqg/qg_itquad
    self-reported
    75.470
  • AnswerF1Score (Question Answering) on lmqg/qg_itquad
    self-reported
    53.220
  • AnswerExactMatch (Question Answering) on lmqg/qg_itquad
    self-reported
    37.590