README.md

metadata

license: cc-by-4.0
metrics:
  - bleu4
  - meteor
  - rouge-l
  - bertscore
  - moverscore
language: fr
datasets:
  - lmqg/qg_frquad
pipeline_tag: text2text-generation
tags:
  - question generation
widget:
  - text: >-
      Créateur » (Maker), lui aussi au singulier, « <hl> le Suprême Berger <hl>
      » (The Great Shepherd) ; de l'autre, des réminiscences de la théologie de
      l'Antiquité : le tonnerre, voix de Jupiter, « Et souvent ta voix gronde en
      un tonnerre terrifiant », etc.
    example_title: Question Generation Example 1
  - text: >-
      Ce black dog peut être lié à des évènements traumatisants issus du monde
      extérieur, tels que son renvoi de l'Amirauté après la catastrophe des
      Dardanelles, lors de la <hl> Grande Guerre <hl> de 14-18, ou son rejet par
      l'électorat en juillet 1945.
    example_title: Question Generation Example 2
  - text: contre <hl> Normie Smith <hl> et 15 000 dollars le 28 novembre 1938.
    example_title: Question Generation Example 3
model-index:
  - name: vocabtrimmer/mt5-small-trimmed-fr-60000-frquad-qg
    results:
      - task:
          name: Text2text Generation
          type: text2text-generation
        dataset:
          name: lmqg/qg_frquad
          type: default
          args: default
        metrics:
          - name: BLEU4 (Question Generation)
            type: bleu4_question_generation
            value: 6.05
          - name: ROUGE-L (Question Generation)
            type: rouge_l_question_generation
            value: 25.14
          - name: METEOR (Question Generation)
            type: meteor_question_generation
            value: 14.64
          - name: BERTScore (Question Generation)
            type: bertscore_question_generation
            value: 78.03
          - name: MoverScore (Question Generation)
            type: moverscore_question_generation
            value: 54.29

Model Card of vocabtrimmer/mt5-small-trimmed-fr-60000-frquad-qg

This model is fine-tuned version of ckpts/mt5-small-trimmed-fr-60000 for question generation task on the lmqg/qg_frquad (dataset_name: default) via lmqg.

Overview

• Language model: ckpts/mt5-small-trimmed-fr-60000
• Language: fr
• Training data: lmqg/qg_frquad (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="fr", model="vocabtrimmer/mt5-small-trimmed-fr-60000-frquad-qg")

# model prediction
questions = model.generate_q(list_context="Créateur » (Maker), lui aussi au singulier, « le Suprême Berger » (The Great Shepherd) ; de l'autre, des réminiscences de la théologie de l'Antiquité : le tonnerre, voix de Jupiter, « Et souvent ta voix gronde en un tonnerre terrifiant », etc.", list_answer="le Suprême Berger")

• With transformers

from transformers import pipeline

pipe = pipeline("text2text-generation", "vocabtrimmer/mt5-small-trimmed-fr-60000-frquad-qg")
output = pipe("Créateur » (Maker), lui aussi au singulier, « <hl> le Suprême Berger <hl> » (The Great Shepherd) ; de l'autre, des réminiscences de la théologie de l'Antiquité : le tonnerre, voix de Jupiter, « Et souvent ta voix gronde en un tonnerre terrifiant », etc.")

Evaluation

• Metric (Question Generation): raw metric file

	Score	Type	Dataset
BERTScore	78.03	default	lmqg/qg_frquad
Bleu_1	25.16	default	lmqg/qg_frquad
Bleu_2	13.62	default	lmqg/qg_frquad
Bleu_3	8.85	default	lmqg/qg_frquad
Bleu_4	6.05	default	lmqg/qg_frquad
METEOR	14.64	default	lmqg/qg_frquad
MoverScore	54.29	default	lmqg/qg_frquad
ROUGE_L	25.14	default	lmqg/qg_frquad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

• dataset_path: lmqg/qg_frquad
• dataset_name: default
• input_types: paragraph_answer
• output_types: question
• prefix_types: None
• model: ckpts/mt5-small-trimmed-fr-60000
• max_length: 512
• max_length_output: 32
• epoch: 15
• 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",
}