vocabtrimmer/mt5-small-trimmed-fr-10000-frquad-qa

license: cc-by-4.0 metrics:

• —bleu4
• —meteor
• —rouge-l
• —bertscore
• —moverscore language: fr datasets:
• —lmqg/qgfrquad pipelinetag: text2text-generation tags:
• —question answering widget:
• —text: "question: En quelle année a-t-on trouvé trace d'un haut fourneau similaire?, context: Cette technologie ne disparaît qu'au début du XXe siècle. On retrouve vers 1900 un haut fourneau similaire dans le Bulacan, aux Philippines. Plus tard encore, le « haut fourneau dans la cour » prôné par Mao Zedong pendant le Grand Bond en avant est de ce type. L'expérience n'est un échec technique que dans les régions où le savoir-faire n'existe pas, ou a disparu." example_title: "Question Answering Example 1"
• —text: "question: Comment appelle-t-on la Guerre de 14-18 ?, context: 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 Grande Guerre de 14-18, ou son rejet par l'électorat en juillet 1945. On sait également que dans ces deux cas, la guérison, certes lente et douloureuse et jamais complète ni définitive, se fera grâce à la peinture. D'un autre côté, étant donnés les symptômes de ce mal que Churchill éprouvait de plus en plus, il ne pouvait rien moins qu'être purement associé à de telles causes extrinsèques, ce qui correspond au profil classique de la dépression majeure unipolaire ou bipolaire." example_title: "Question Answering Example 2" model-index:
• —name: vocabtrimmer/mt5-small-trimmed-fr-10000-frquad-qa results:
• —task: name: Text2text Generation type: text2text-generation dataset: name: lmqg/qg_frquad type: default args: default metrics:
• —name: BLEU4 (Question Answering) type: bleu4questionanswering value: 18.63
• —name: ROUGE-L (Question Answering) type: rougelquestion_answering value: 29.33
• —name: METEOR (Question Answering) type: meteorquestionanswering value: 23.73
• —name: BERTScore (Question Answering) type: bertscorequestionanswering value: 89.65
• —name: MoverScore (Question Answering) type: moverscorequestionanswering value: 72.01
• —name: AnswerF1Score (Question Answering) type: answerf1score_questionanswering value: 47.59
• —name: AnswerExactMatch (Question Answering) type: answerexactmatchquestionanswering value: 30.24 ---

Model Card of vocabtrimmer/mt5-small-trimmed-fr-10000-frquad-qa

This model is fine-tuned version of vocabtrimmer/mt5-small-trimmed-fr-10000 for question answering task on the lmqg/qg_frquad (dataset_name: default) via `lmqg`.

Overview

• —Language model: vocabtrimmer/mt5-small-trimmed-fr-10000
• —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-10000-frquad-qa")

# model prediction
answers = model.answer_q(list_question="En quelle année a-t-on trouvé trace d'un haut fourneau similaire?", list_context=" Cette technologie ne disparaît qu'au début du XXe siècle. On retrouve vers 1900 un haut fourneau similaire dans le Bulacan, aux Philippines. Plus tard encore, le « haut fourneau dans la cour » prôné par Mao Zedong pendant le Grand Bond en avant est de ce type. L'expérience n'est un échec technique que dans les régions où le savoir-faire n'existe pas, ou a disparu.")

• —With transformers

from transformers import pipeline

pipe = pipeline("text2text-generation", "vocabtrimmer/mt5-small-trimmed-fr-10000-frquad-qa")
output = pipe("question: En quelle année a-t-on trouvé trace d'un haut fourneau similaire?, context: Cette technologie ne disparaît qu'au début du XXe siècle. On retrouve vers 1900 un haut fourneau similaire dans le Bulacan, aux Philippines. Plus tard encore, le « haut fourneau dans la cour » prôné par Mao Zedong pendant le Grand Bond en avant est de ce type. L'expérience n'est un échec technique que dans les régions où le savoir-faire n'existe pas, ou a disparu.")

Evaluation

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

Training hyperparameters

The following hyperparameters were used during fine-tuning:

• —datasetpath: lmqg/qgfrquad
• —dataset_name: default
• —inputtypes: ['paragraphquestion']
• —output_types: ['answer']
• —prefix_types: None
• —model: vocabtrimmer/mt5-small-trimmed-fr-10000
• —max_length: 512
• —maxlengthoutput: 32
• —epoch: 25
• —batch: 32
• —lr: 0.0005
• —fp16: False
• —random_seed: 1
• —gradientaccumulationsteps: 2
• —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",
}