lmqg/mt5-small-itquad-qg-ae

license: cc-by-4.0 metrics:

• —bleu4
• —meteor
• —rouge-l
• —bertscore
• —moverscore language: it datasets:
• —lmqg/qgitquad pipelinetag: text2text-generation tags:
• —question generation
• —answer extraction widget:
• —text: "generate question: <hl> Dopo il 1971 <hl> , l' OPEC ha tardato ad adeguare i prezzi per riflettere tale deprezzamento." example_title: "Question Generation Example 1"
• —text: "generate question: L' individuazione del petrolio e lo sviluppo di nuovi giacimenti richiedeva in genere <hl> da cinque a dieci anni <hl> prima di una produzione significativa." example_title: "Question Generation Example 2"
• —text: "generate question: il <hl> Giappone <hl> è stato il paese più dipendente dal petrolio arabo." example_title: "Question Generation Example 3"
• —text: "extract answers: <hl> Il 6 ottobre 1973 , la Siria e l' Egitto, con il sostegno di altre nazioni arabe, lanciarono un attacco a sorpresa su Israele, su Yom Kippur. <hl> Questo rinnovo delle ostilità nel conflitto arabo-israeliano ha liberato la pressione economica sottostante sui prezzi del petrolio. All' epoca, l' Iran era il secondo esportatore mondiale di petrolio e un vicino alleato degli Stati Uniti. Settimane più tardi, lo scià d' Iran ha detto in un' intervista: Naturalmente[il prezzo del petrolio] sta andando a salire Certamente! E come! Avete[Paesi occidentali] aumentato il prezzo del grano che ci vendete del 300 per cento, e lo stesso per zucchero e cemento." example_title: "Answer Extraction Example 1"
• —text: "extract answers: <hl> Furono introdotti autocarri compatti, come la Toyota Hilux e il Datsun Truck, seguiti dal camion Mazda (venduto come il Ford Courier), e l' Isuzu costruito Chevrolet LUV. <hl> Mitsubishi rebranded il suo Forte come Dodge D-50 pochi anni dopo la crisi petrolifera. Mazda, Mitsubishi e Isuzu avevano partnership congiunte rispettivamente con Ford, Chrysler e GM. In seguito i produttori americani introdussero le loro sostituzioni nazionali (Ford Ranger, Dodge Dakota e la Chevrolet S10/GMC S-15), ponendo fine alla loro politica di importazione vincolata." example_title: "Answer Extraction Example 2" model-index:
• —name: lmqg/mt5-small-itquad-qg-ae results:
• —task: name: Text2text Generation type: text2text-generation dataset: name: lmqg/qg_itquad type: default args: default metrics:
• —name: BLEU4 (Question Generation) type: bleu4questiongeneration value: 7.25
• —name: ROUGE-L (Question Generation) type: rougelquestion_generation value: 21.84
• —name: METEOR (Question Generation) type: meteorquestiongeneration value: 17.5
• —name: BERTScore (Question Generation) type: bertscorequestiongeneration value: 80.61
• —name: MoverScore (Question Generation) type: moverscorequestiongeneration value: 56.63
• —name: QAAlignedF1Score-BERTScore (Question & Answer Generation (with Gold Answer)) type: qaalignedf1scorebertscorequestionanswergenerationwithgoldanswer value: 81.81
• —name: QAAlignedRecall-BERTScore (Question & Answer Generation (with Gold Answer)) type: qaalignedrecallbertscorequestionanswergenerationwithgold_answer value: 82.51
• —name: QAAlignedPrecision-BERTScore (Question & Answer Generation (with Gold Answer)) type: qaalignedprecisionbertscorequestionanswergenerationwithgold_answer value: 81.17
• —name: QAAlignedF1Score-MoverScore (Question & Answer Generation (with Gold Answer)) type: qaalignedf1scoremoverscorequestionanswergenerationwithgoldanswer value: 56.02
• —name: QAAlignedRecall-MoverScore (Question & Answer Generation (with Gold Answer)) type: qaalignedrecallmoverscorequestionanswergenerationwithgold_answer value: 56.32
• —name: QAAlignedPrecision-MoverScore (Question & Answer Generation (with Gold Answer)) type: qaalignedprecisionmoverscorequestionanswergenerationwithgold_answer value: 55.76
• —name: BLEU4 (Answer Extraction) type: bleu4answerextraction value: 26.01
• —name: ROUGE-L (Answer Extraction) type: rougelanswer_extraction value: 45.15
• —name: METEOR (Answer Extraction) type: meteoranswerextraction value: 42.68
• —name: BERTScore (Answer Extraction) type: bertscoreanswerextraction value: 90.24
• —name: MoverScore (Answer Extraction) type: moverscoreanswerextraction value: 81.17
• —name: AnswerF1Score (Answer Extraction) type: answerf1score_answerextraction value: 72.09
• —name: AnswerExactMatch (Answer Extraction) type: answerexactmatchanswerextraction value: 57.85 ---

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

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

Overview

• —Language model: google/mt5-small
• —Language: it
• —Training data: lmqg/qg_itquad (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="it", model="lmqg/mt5-small-itquad-qg-ae")

# model prediction
question_answer_pairs = model.generate_qa("Dopo il 1971 , l' OPEC ha tardato ad adeguare i prezzi per riflettere tale deprezzamento.")

• —With transformers

from transformers import pipeline

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

# answer extraction
answer = pipe("generate question: <hl> Dopo il 1971 <hl> , l' OPEC ha tardato ad adeguare i prezzi per riflettere tale deprezzamento.")

# question generation
question = pipe("extract answers: <hl> Il 6 ottobre 1973 , la Siria e l' Egitto, con il sostegno di altre nazioni arabe, lanciarono un attacco a sorpresa su Israele, su Yom Kippur. <hl> Questo rinnovo delle ostilità nel conflitto arabo-israeliano ha liberato la pressione economica sottostante sui prezzi del petrolio. All' epoca, l' Iran era il secondo esportatore mondiale di petrolio e un vicino alleato degli Stati Uniti. Settimane più tardi, lo scià d' Iran ha detto in un' intervista: Naturalmente[il prezzo del petrolio] sta andando a salire Certamente! E come! Avete[Paesi occidentali] aumentato il prezzo del grano che ci vendete del 300 per cento, e lo stesso per zucchero e cemento.")

Evaluation

• —*Metric (Question Generation)*: raw metric file

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

• —*Metric (Answer Extraction)*: raw metric file

Training hyperparameters

The following hyperparameters were used during fine-tuning:

• —datasetpath: lmqg/qgitquad
• —dataset_name: default
• —inputtypes: ['paragraphanswer', 'paragraph_sentence']
• —output_types: ['question', 'answer']
• —prefix_types: ['qg', 'ae']
• —model: google/mt5-small
• —max_length: 512
• —maxlengthoutput: 32
• —epoch: 13
• —batch: 16
• —lr: 0.001
• —fp16: False
• —random_seed: 1
• —gradientaccumulationsteps: 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",
}