|
|
|
--- |
|
license: cc-by-4.0 |
|
metrics: |
|
- bleu4 |
|
- meteor |
|
- rouge-l |
|
- bertscore |
|
- moverscore |
|
language: ru |
|
datasets: |
|
- lmqg/qg_ruquad |
|
pipeline_tag: text2text-generation |
|
tags: |
|
- question answering |
|
widget: |
|
- text: "question: чем соответствует абсолютная погрешность скорости света ?, context: Наивысшая точность измерений была достигнута в начале 1970-х. В 1975 году XV Генеральная конференция по мерам и весам зафиксировала это положение и рекомендовала считать скорость света, равной 299 792 458 м/с с относительной погрешностью 4•10−9, что соответствует абсолютной погрешности 1,1 м/с. Впоследствии это значение скорости света было положено в основу определения метра в Международной системе единиц (СИ), а сама скорость света стала рассматриваться как фундаментальная физическая постоянная, по определению равная указанному значению точно." |
|
example_title: "Question Answering Example 1" |
|
- text: "question: Какие начинания предпринял Lloyds в начале 1970-х годов?, context: В начале 1970-х Lloyds начал расширять деятельность на международной арене, для чего был создан Lloyds Bank International. География его деятельности включала ФРГ, Швейцарию, Ближний Восток, Австралию, Канаду и США; к 1978 году Lloyds был представлен в 43 странах. В 1972 году было создано подразделение страхования, а в 1973 году была основана лизинговая компания Lloyds Leasing. В 1979 году банк начал предоставлять услуги ипотечного кредитования (при покупке недвижимости стоимостью от £25 000 до £150 000). В 1982 году начало работу агентство недвижимости Blackhorse Agencies, к 1989 году у него было 563 отделения. В 1986 году сфера деятельности Lloyds Bank PLC ещё больше расширилась с учреждением брокерской конторы и торгового банка Lloyds Merchant Bank. В 1988 году была поглощена страховая компания Abbey Life Group PLC; после объединения с ней всей своей страховой деятельности была образована дочерняя компания Lloyds Abbey Life. В 1995 году Lloyds Bank Plc объединился с TSB Group plc (группой, образованной в 1986 году из четырёх сберегательных банков Trustee Savings Banks) под названием Lloyds TSB Bank plc. В 2000 году за £7 млрд была поглощена шотландская взаимная страховая компания Scottish Widows." |
|
example_title: "Question Answering Example 2" |
|
model-index: |
|
- name: vocabtrimmer/mt5-small-trimmed-ru-15000-ruquad-qa |
|
results: |
|
- task: |
|
name: Text2text Generation |
|
type: text2text-generation |
|
dataset: |
|
name: lmqg/qg_ruquad |
|
type: default |
|
args: default |
|
metrics: |
|
- name: BLEU4 (Question Answering) |
|
type: bleu4_question_answering |
|
value: 32.73 |
|
- name: ROUGE-L (Question Answering) |
|
type: rouge_l_question_answering |
|
value: 57.18 |
|
- name: METEOR (Question Answering) |
|
type: meteor_question_answering |
|
value: 43.82 |
|
- name: BERTScore (Question Answering) |
|
type: bertscore_question_answering |
|
value: 95.7 |
|
- name: MoverScore (Question Answering) |
|
type: moverscore_question_answering |
|
value: 85.62 |
|
- name: AnswerF1Score (Question Answering) |
|
type: answer_f1_score__question_answering |
|
value: 77.4 |
|
- name: AnswerExactMatch (Question Answering) |
|
type: answer_exact_match_question_answering |
|
value: 56.87 |
|
--- |
|
|
|
# Model Card of `vocabtrimmer/mt5-small-trimmed-ru-15000-ruquad-qa` |
|
This model is fine-tuned version of [vocabtrimmer/mt5-small-trimmed-ru-15000](https://huggingface.co/vocabtrimmer/mt5-small-trimmed-ru-15000) for question answering task on the [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) (dataset_name: default) via [`lmqg`](https://github.com/asahi417/lm-question-generation). |
|
|
|
|
|
### Overview |
|
- **Language model:** [vocabtrimmer/mt5-small-trimmed-ru-15000](https://huggingface.co/vocabtrimmer/mt5-small-trimmed-ru-15000) |
|
- **Language:** ru |
|
- **Training data:** [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) (default) |
|
- **Online Demo:** [https://autoqg.net/](https://autoqg.net/) |
|
- **Repository:** [https://github.com/asahi417/lm-question-generation](https://github.com/asahi417/lm-question-generation) |
|
- **Paper:** [https://arxiv.org/abs/2210.03992](https://arxiv.org/abs/2210.03992) |
|
|
|
### Usage |
|
- With [`lmqg`](https://github.com/asahi417/lm-question-generation#lmqg-language-model-for-question-generation-) |
|
```python |
|
from lmqg import TransformersQG |
|
|
|
# initialize model |
|
model = TransformersQG(language="ru", model="vocabtrimmer/mt5-small-trimmed-ru-15000-ruquad-qa") |
|
|
|
# model prediction |
|
answers = model.answer_q(list_question="чем соответствует абсолютная погрешность скорости света ?", list_context=" Наивысшая точность измерений была достигнута в начале 1970-х. В 1975 году XV Генеральная конференция по мерам и весам зафиксировала это положение и рекомендовала считать скорость света, равной 299 792 458 м/с с относительной погрешностью 4•10−9, что соответствует абсолютной погрешности 1,1 м/с. Впоследствии это значение скорости света было положено в основу определения метра в Международной системе единиц (СИ), а сама скорость света стала рассматриваться как фундаментальная физическая постоянная, по определению равная указанному значению точно.") |
|
|
|
``` |
|
|
|
- With `transformers` |
|
```python |
|
from transformers import pipeline |
|
|
|
pipe = pipeline("text2text-generation", "vocabtrimmer/mt5-small-trimmed-ru-15000-ruquad-qa") |
|
output = pipe("question: чем соответствует абсолютная погрешность скорости света ?, context: Наивысшая точность измерений была достигнута в начале 1970-х. В 1975 году XV Генеральная конференция по мерам и весам зафиксировала это положение и рекомендовала считать скорость света, равной 299 792 458 м/с с относительной погрешностью 4•10−9, что соответствует абсолютной погрешности 1,1 м/с. Впоследствии это значение скорости света было положено в основу определения метра в Международной системе единиц (СИ), а сама скорость света стала рассматриваться как фундаментальная физическая постоянная, по определению равная указанному значению точно.") |
|
|
|
``` |
|
|
|
## Evaluation |
|
|
|
|
|
- ***Metric (Question Answering)***: [raw metric file](https://huggingface.co/vocabtrimmer/mt5-small-trimmed-ru-15000-ruquad-qa/raw/main/eval/metric.first.answer.paragraph_question.answer.lmqg_qg_ruquad.default.json) |
|
|
|
| | Score | Type | Dataset | |
|
|:-----------------|--------:|:--------|:-----------------------------------------------------------------| |
|
| AnswerExactMatch | 56.87 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| AnswerF1Score | 77.4 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| BERTScore | 95.7 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| Bleu_1 | 49.76 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| Bleu_2 | 43.73 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| Bleu_3 | 38.13 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| Bleu_4 | 32.73 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| METEOR | 43.82 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| MoverScore | 85.62 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
| ROUGE_L | 57.18 | default | [lmqg/qg_ruquad](https://huggingface.co/datasets/lmqg/qg_ruquad) | |
|
|
|
|
|
|
|
## Training hyperparameters |
|
|
|
The following hyperparameters were used during fine-tuning: |
|
- dataset_path: lmqg/qg_ruquad |
|
- dataset_name: default |
|
- input_types: ['paragraph_question'] |
|
- output_types: ['answer'] |
|
- prefix_types: None |
|
- model: vocabtrimmer/mt5-small-trimmed-ru-15000 |
|
- max_length: 512 |
|
- max_length_output: 32 |
|
- epoch: 13 |
|
- batch: 32 |
|
- lr: 0.001 |
|
- fp16: False |
|
- random_seed: 1 |
|
- gradient_accumulation_steps: 2 |
|
- label_smoothing: 0.15 |
|
|
|
The full configuration can be found at [fine-tuning config file](https://huggingface.co/vocabtrimmer/mt5-small-trimmed-ru-15000-ruquad-qa/raw/main/trainer_config.json). |
|
|
|
## 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", |
|
} |
|
|
|
``` |
|
|
