metadata
license: cc-by-4.0
metrics:
- bleu4
- meteor
- rouge-l
- bertscore
- moverscore
language: ru
datasets:
- lmqg/qg_ruquad
pipeline_tag: text2text-generation
tags:
- question generation
widget:
- text: >-
Нелишним будет отметить, что, развивая это направление, Д. И. Менделеев,
поначалу априорно выдвинув идею о температуре, при которой высота мениска
будет нулевой, <hl> в мае 1860 года <hl> провёл серию опытов.
example_title: Question Generation Example 1
- text: >-
Однако, франкоязычный <hl> Квебек <hl> практически никогда не включается в
состав Латинской Америки.
example_title: Question Generation Example 2
- text: >-
Классическим примером международного синдиката XX века была группа
компаний <hl> Де Бирс <hl> , которая в 1980-е годы контролировала до 90 %
мировой торговли алмазами.
example_title: Question Generation Example 3
model-index:
- name: lmqg/mt5-small-ruquad
results:
- task:
name: Text2text Generation
type: text2text-generation
dataset:
name: lmqg/qg_ruquad
type: default
args: default
metrics:
- name: BLEU4
type: bleu4
value: 0.16312500044789852
- name: ROUGE-L
type: rouge-l
value: 0.31387559280955535
- name: METEOR
type: meteor
value: 0.2639298094863568
- name: BERTScore
type: bertscore
value: 0.8426647576680717
- name: MoverScore
type: moverscore
value: 0.6249344299293247
Language Models Fine-tuning on Question Generation: lmqg/mt5-small-ruquad
This model is fine-tuned version of google/mt5-small for question generation task on the lmqg/qg_ruquad (dataset_name: default).
Overview
- Language model: google/mt5-small
- Language: ru
- Training data: lmqg/qg_ruquad (default)
- Online Demo: https://autoqg.net/
- Repository: https://github.com/asahi417/lm-question-generation
- Paper: TBA
Usage
from transformers import pipeline
model_path = 'lmqg/mt5-small-ruquad'
pipe = pipeline("text2text-generation", model_path)
# Question Generation
question = pipe('Нелишним будет отметить, что, развивая это направление, Д. И. Менделеев, поначалу априорно выдвинув идею о температуре, при которой высота мениска будет нулевой, <hl> в мае 1860 года <hl> провёл серию опытов.')
Evaluation Metrics
Metrics
Dataset | Type | BLEU4 | ROUGE-L | METEOR | BERTScore | MoverScore | Link |
---|---|---|---|---|---|---|---|
lmqg/qg_ruquad | default | 0.163 | 0.314 | 0.264 | 0.843 | 0.625 | link |
Training hyperparameters
The following hyperparameters were used during fine-tuning:
- dataset_path: lmqg/qg_ruquad
- dataset_name: default
- input_types: ['paragraph_answer']
- output_types: ['question']
- prefix_types: None
- model: google/mt5-small
- max_length: 512
- max_length_output: 32
- epoch: 5
- batch: 64
- lr: 0.001
- 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
TBA