metadata
license: cc-by-4.0
metrics:
- bleu4
- meteor
- rouge-l
- bertscore
- moverscore
language: de
datasets:
- lmqg/qg_dequad
pipeline_tag: text2text-generation
tags:
- question generation
- answer extraction
widget:
- text: >-
generate question: Empfangs- und Sendeantenne sollen in ihrer Polarisation
übereinstimmen, andernfalls <hl> wird die Signalübertragung stark
gedämpft. <hl>
example_title: Question Generation Example 1
- text: >-
generate question: das erste weltweit errichtete Hermann Brehmer <hl> 1855
<hl> im niederschlesischen ''Görbersdorf'' (heute Sokołowsko, Polen).
example_title: Question Generation Example 2
- text: >-
generate question: Er muss Zyperngrieche sein und wird direkt für <hl>
fünf Jahre <hl> gewählt (Art. 43 Abs. 1 der Verfassung) und verfügt über
weitreichende Exekutivkompetenzen.
example_title: Question Generation Example 3
- text: >-
extract answers: Sommerzeit <hl> Frühling <hl>: Umstellung von Normalzeit
auf Sommerzeit – die Uhr wird um eine Stunde ''vor''gestellt. Herbst:
Umstellung von Sommerzeit auf Normalzeit – die Uhr wird um eine Stunde
''zurück''gestellt. Als Sommerzeit wird die gegenüber der Zonenzeit meist
um eine Stunde vorgestellte Uhrzeit bezeichnet, die während eines
bestimmten Zeitraums im Sommerhalbjahr (und oft auch etwas darüber hinaus)
als gesetzliche Zeit dient. Eine solche Regelung wird fast nur in Ländern
der gemäßigten Zonen angewandt. Die mitteleuropäische Sommerzeit beginnt
am letzten Sonntag im März um 2:00 Uhr MEZ, indem die Stundenzählung um
eine Stunde von 2:00 Uhr auf 3:00 Uhr vorgestellt wird. Sie endet jeweils
am letzten Sonntag im Oktober um 3:00 Uhr MESZ, indem die Stundenzählung
um eine Stunde von 3:00 Uhr auf 2:00 Uhr zurückgestellt wird.
example_title: Answer Extraction Example 1
- text: >-
extract answers: Iran === Landwirtschaft === Die landwirtschaftliche
Nutzfläche beträgt trotz zahlreicher Gebirge und Wüsten 10 % der
Landesfläche, wobei ein Drittel künstlich bewässert wird. Die
Landwirtschaft ist einer der größten Arbeitgeber des Landes. Wichtige
Produkte sind Pistazien, Weizen, Reis, Zucker, Baumwolle, Früchte, Nüsse,
Datteln, Wolle und Kaviar. Seit der Revolution von 1979 wurde der Anbau
von Weintrauben wegen des islamischen Alkoholverbots auf den 200.000
Hektar Rebfläche fast vollständig auf Tafeltrauben und Rosinen umgestellt.
Bei Rosinen ist <hl> der Iran <hl> inzwischen nach der Türkei der
zweitgrößte Exporteur der Welt, bei Safran mit ungefähr 90 % Marktanteil
des globalen Bedarfs mit Abstand der größte.
example_title: Answer Extraction Example 2
model-index:
- name: lmqg/mt5-base-dequad-qg-ae
results:
- task:
name: Text2text Generation
type: text2text-generation
dataset:
name: lmqg/qg_dequad
type: default
args: default
metrics:
- name: BLEU4 (Question Generation)
type: bleu4_question_generation
value: 0.38
- name: ROUGE-L (Question Generation)
type: rouge_l_question_generation
value: 8.58
- name: METEOR (Question Generation)
type: meteor_question_generation
value: 10.56
- name: BERTScore (Question Generation)
type: bertscore_question_generation
value: 77.86
- name: MoverScore (Question Generation)
type: moverscore_question_generation
value: 53.77
- name: BLEU4 (Question & Answer Generation (with Gold Answer))
type: bleu4_question_answer_generation_with_gold_answer
value: 0.03
- name: ROUGE-L (Question & Answer Generation (with Gold Answer))
type: rouge_l_question_answer_generation_with_gold_answer
value: 1.71
- name: METEOR (Question & Answer Generation (with Gold Answer))
type: meteor_question_answer_generation_with_gold_answer
value: 1.01
- name: BERTScore (Question & Answer Generation (with Gold Answer))
type: bertscore_question_answer_generation_with_gold_answer
value: 5.71
- name: MoverScore (Question & Answer Generation (with Gold Answer))
type: moverscore_question_answer_generation_with_gold_answer
value: 43.51
- name: >-
QAAlignedF1Score-BERTScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_f1_score_bertscore_question_answer_generation_with_gold_answer
value: 6.11
- name: >-
QAAlignedRecall-BERTScore (Question & Answer Generation (with Gold
Answer))
type: >-
qa_aligned_recall_bertscore_question_answer_generation_with_gold_answer
value: 5.95
- name: >-
QAAlignedPrecision-BERTScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_precision_bertscore_question_answer_generation_with_gold_answer
value: 6.3
- name: >-
QAAlignedF1Score-MoverScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_f1_score_moverscore_question_answer_generation_with_gold_answer
value: 4.24
- name: >-
QAAlignedRecall-MoverScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_recall_moverscore_question_answer_generation_with_gold_answer
value: 4.15
- name: >-
QAAlignedPrecision-MoverScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_precision_moverscore_question_answer_generation_with_gold_answer
value: 4.34
- name: BLEU4 (Answer Extraction)
type: bleu4_answer_extraction
value: 0.85
- name: ROUGE-L (Answer Extraction)
type: rouge_l_answer_extraction
value: 3.93
- name: METEOR (Answer Extraction)
type: meteor_answer_extraction
value: 5.34
- name: BERTScore (Answer Extraction)
type: bertscore_answer_extraction
value: 63.01
- name: MoverScore (Answer Extraction)
type: moverscore_answer_extraction
value: 47.54
- name: AnswerF1Score (Answer Extraction)
type: answer_f1_score__answer_extraction
value: 8.63
- name: AnswerExactMatch (Answer Extraction)
type: answer_exact_match_answer_extraction
value: 0.32
Model Card of lmqg/mt5-base-dequad-qg-ae
This model is fine-tuned version of google/mt5-base for question generation and answer extraction jointly on the lmqg/qg_dequad (dataset_name: default) via lmqg.
Overview
- Language model: google/mt5-base
- Language: de
- Training data: lmqg/qg_dequad (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="de", model="lmqg/mt5-base-dequad-qg-ae")
# model prediction
question_answer_pairs = model.generate_qa("das erste weltweit errichtete Hermann Brehmer 1855 im niederschlesischen ''Görbersdorf'' (heute Sokołowsko, Polen).")
- With
transformers
from transformers import pipeline
pipe = pipeline("text2text-generation", "lmqg/mt5-base-dequad-qg-ae")
# answer extraction
answer = pipe("generate question: Empfangs- und Sendeantenne sollen in ihrer Polarisation übereinstimmen, andernfalls <hl> wird die Signalübertragung stark gedämpft. <hl>")
# question generation
question = pipe("extract answers: Sommerzeit <hl> Frühling <hl>: Umstellung von Normalzeit auf Sommerzeit – die Uhr wird um eine Stunde ''vor''gestellt. Herbst: Umstellung von Sommerzeit auf Normalzeit – die Uhr wird um eine Stunde ''zurück''gestellt. Als Sommerzeit wird die gegenüber der Zonenzeit meist um eine Stunde vorgestellte Uhrzeit bezeichnet, die während eines bestimmten Zeitraums im Sommerhalbjahr (und oft auch etwas darüber hinaus) als gesetzliche Zeit dient. Eine solche Regelung wird fast nur in Ländern der gemäßigten Zonen angewandt. Die mitteleuropäische Sommerzeit beginnt am letzten Sonntag im März um 2:00 Uhr MEZ, indem die Stundenzählung um eine Stunde von 2:00 Uhr auf 3:00 Uhr vorgestellt wird. Sie endet jeweils am letzten Sonntag im Oktober um 3:00 Uhr MESZ, indem die Stundenzählung um eine Stunde von 3:00 Uhr auf 2:00 Uhr zurückgestellt wird.")
Evaluation
- Metric (Question Generation): raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| BERTScore | 77.86 | default | lmqg/qg_dequad |
| Bleu_1 | 8.19 | default | lmqg/qg_dequad |
| Bleu_2 | 3.17 | default | lmqg/qg_dequad |
| Bleu_3 | 1.12 | default | lmqg/qg_dequad |
| Bleu_4 | 0.38 | default | lmqg/qg_dequad |
| METEOR | 10.56 | default | lmqg/qg_dequad |
| MoverScore | 53.77 | default | lmqg/qg_dequad |
| ROUGE_L | 8.58 | default | lmqg/qg_dequad |
- Metric (Question & Answer Generation): raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| BERTScore | 5.71 | default | lmqg/qg_dequad |
| Bleu_1 | 0.85 | default | lmqg/qg_dequad |
| Bleu_2 | 0.32 | default | lmqg/qg_dequad |
| Bleu_3 | 0.04 | default | lmqg/qg_dequad |
| Bleu_4 | 0.03 | default | lmqg/qg_dequad |
| METEOR | 1.01 | default | lmqg/qg_dequad |
| MoverScore | 43.51 | default | lmqg/qg_dequad |
| QAAlignedF1Score (BERTScore) | 6.11 | default | lmqg/qg_dequad |
| QAAlignedF1Score (MoverScore) | 4.24 | default | lmqg/qg_dequad |
| QAAlignedPrecision (BERTScore) | 6.3 | default | lmqg/qg_dequad |
| QAAlignedPrecision (MoverScore) | 4.34 | default | lmqg/qg_dequad |
| QAAlignedRecall (BERTScore) | 5.95 | default | lmqg/qg_dequad |
| QAAlignedRecall (MoverScore) | 4.15 | default | lmqg/qg_dequad |
| ROUGE_L | 1.71 | default | lmqg/qg_dequad |
- Metric (Answer Extraction): raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| AnswerExactMatch | 0.32 | default | lmqg/qg_dequad |
| AnswerF1Score | 8.63 | default | lmqg/qg_dequad |
| BERTScore | 63.01 | default | lmqg/qg_dequad |
| Bleu_1 | 5.06 | default | lmqg/qg_dequad |
| Bleu_2 | 2.4 | default | lmqg/qg_dequad |
| Bleu_3 | 1.35 | default | lmqg/qg_dequad |
| Bleu_4 | 0.85 | default | lmqg/qg_dequad |
| METEOR | 5.34 | default | lmqg/qg_dequad |
| MoverScore | 47.54 | default | lmqg/qg_dequad |
| ROUGE_L | 3.93 | default | lmqg/qg_dequad |
Training hyperparameters
The following hyperparameters were used during fine-tuning:
- dataset_path: lmqg/qg_dequad
- dataset_name: default
- input_types: ['paragraph_answer', 'paragraph_sentence']
- output_types: ['question', 'answer']
- prefix_types: ['qg', 'ae']
- model: google/mt5-base
- max_length: 512
- max_length_output: 32
- epoch: 8
- batch: 32
- lr: 0.0001
- fp16: False
- random_seed: 1
- gradient_accumulation_steps: 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",
}