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/mbart-large-cc25-ruquad
results:
- task:
name: Text2text Generation
type: text2text-generation
dataset:
name: lmqg/qg_ruquad
type: default
args: default
metrics:
- name: BLEU4
type: bleu4
value: 0.18801269316217556
- name: ROUGE-L
type: rouge-l
value: 0.3418205676556352
- name: METEOR
type: meteor
value: 0.2930182680427807
- name: BERTScore
type: bertscore
value: 0.8718016183868516
- name: MoverScore
type: moverscore
value: 0.6587523781250593
Model Card of lmqg/mbart-large-cc25-ruquad
This model is fine-tuned version of facebook/mbart-large-cc25 for question generation task on the
lmqg/qg_ruquad (dataset_name: default) via lmqg
.
Please cite our paper if you use the model (https://arxiv.org/abs/2210.03992).
@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",
}
Overview
- Language model: facebook/mbart-large-cc25
- Language: ru
- Training data: lmqg/qg_ruquad (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='ru', model='lmqg/mbart-large-cc25-ruquad')
# model prediction
question = model.generate_q(list_context=["Нелишним будет отметить, что, развивая это направление, Д. И. Менделеев, поначалу априорно выдвинув идею о температуре, при которой высота мениска будет нулевой, в мае 1860 года провёл серию опытов."], list_answer=["в мае 1860 года"])
- With
transformers
from transformers import pipeline
# initialize model
pipe = pipeline("text2text-generation", 'lmqg/mbart-large-cc25-ruquad')
# 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 | 0.188 | 0.342 | 0.293 | 0.872 | 0.659 | 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: facebook/mbart-large-cc25
- max_length: 512
- max_length_output: 32
- epoch: 17
- batch: 4
- lr: 0.0001
- fp16: False
- random_seed: 1
- gradient_accumulation_steps: 16
- 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",
}