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

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

Overview

• Language model: google/mt5-small
• Language: ko
• Training data: lmqg/qg_koquad (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="ko", model="lmqg/mt5-small-koquad-qg-ae")

# model prediction
question_answer_pairs = model.generate_qa("1990년 영화 《 남부군 》에서 단역으로 영화배우 첫 데뷔에 이어 같은 해 KBS 드라마 《지구인》에서 단역으로 출연하였고 이듬해 MBC 《여명의 눈동자》를 통해 단역으로 출연하였다.")

• With transformers

from transformers import pipeline

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

# answer extraction
answer = pipe("generate question: 1990년 영화 《 <hl> 남부군 <hl> 》에서 단역으로 영화배우 첫 데뷔에 이어 같은 해 KBS 드라마 《지구인》에서 단역으로 출연하였고 이듬해 MBC 《여명의 눈동자》를 통해 단역으로 출연하였다.")

# question generation
question = pipe("extract answers: 또한 스피어스는 많은 새로운 여성 아티스트들에게 영향을 끼쳤는데, 대표적으로 데미 로바토, 케이티 페리, 크리스티니아 드바지, 레이디 가가, 리틀 부츠, 셀레나 고메즈 & 더씬, 픽시 로트 이 있다. 2007년 비욘세 놀스는 Total Request Live와의 인터뷰에서 '나는 브리트니를 사랑하고 팬이에요. 특히 새 앨범 Blackout을 좋아해요'라고 말했다. 린제이 로한은 '언제나 브리트니 스피어스에게 영감을 받는다. 학창시절 그녀처럼 타블로이드에 오르기를 꿈꿔왔다'고 말하며 롤 모델로 꼽았다. 스피어스는 현대 음악가들에게 음악적 영감으로 언급되기도 했다. <hl> 마일리 사이러스는 자신의 히트곡 Party in the U.S.A. 가 브리트니에게 영감과 영향을 받은 곡이라고 밝혔다. <hl> 베리 매닐로우의 앨범 15 Minutes 역시 브리트니에게 영감을 얻었다고 언급되었다.")

Evaluation

• Metric (Question Generation): raw metric file

	Score	Type	Dataset
BERTScore	83.4	default	lmqg/qg_koquad
Bleu_1	25.91	default	lmqg/qg_koquad
Bleu_2	19.09	default	lmqg/qg_koquad
Bleu_3	14.37	default	lmqg/qg_koquad
Bleu_4	10.91	default	lmqg/qg_koquad
METEOR	27.52	default	lmqg/qg_koquad
MoverScore	82.54	default	lmqg/qg_koquad
ROUGE_L	25.83	default	lmqg/qg_koquad

• Metric (Question & Answer Generation): raw metric file

	Score	Type	Dataset
QAAlignedF1Score (BERTScore)	80.36	default	lmqg/qg_koquad
QAAlignedF1Score (MoverScore)	82.55	default	lmqg/qg_koquad
QAAlignedPrecision (BERTScore)	77.34	default	lmqg/qg_koquad
QAAlignedPrecision (MoverScore)	78.93	default	lmqg/qg_koquad
QAAlignedRecall (BERTScore)	83.72	default	lmqg/qg_koquad
QAAlignedRecall (MoverScore)	86.69	default	lmqg/qg_koquad

• Metric (Answer Extraction): raw metric file

	Score	Type	Dataset
AnswerExactMatch	80.78	default	lmqg/qg_koquad
AnswerF1Score	86.98	default	lmqg/qg_koquad
BERTScore	95.65	default	lmqg/qg_koquad
Bleu_1	75.14	default	lmqg/qg_koquad
Bleu_2	66.16	default	lmqg/qg_koquad
Bleu_3	53.61	default	lmqg/qg_koquad
Bleu_4	38.2	default	lmqg/qg_koquad
METEOR	59.91	default	lmqg/qg_koquad
MoverScore	94.61	default	lmqg/qg_koquad
ROUGE_L	82.32	default	lmqg/qg_koquad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

• dataset_path: lmqg/qg_koquad
• 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: 6
• 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",
}