model update

Browse files

Files changed (15) hide show

README.md +215 -0
config.json +1 -1
eval/metric.first.answer.paragraph.questions_answers.lmqg_qg_koquad.default.json +1 -0
eval/metric.first.answer.paragraph_answer.question.lmqg_qg_koquad.default.json +1 -0
eval/metric.first.answer.paragraph_sentence.answer.lmqg_qg_koquad.default.json +1 -0
eval/metric.first.sentence.paragraph_answer.question.lmqg_qg_koquad.default.json +1 -0
eval/samples.test.hyp.paragraph.questions_answers.lmqg_qg_koquad.default.txt +0 -0
eval/samples.test.hyp.paragraph_answer.question.lmqg_qg_koquad.default.txt +0 -0
eval/samples.test.hyp.paragraph_sentence.answer.lmqg_qg_koquad.default.txt +0 -0
eval/samples.validation.hyp.paragraph.questions_answers.lmqg_qg_koquad.default.txt +0 -0
eval/samples.validation.hyp.paragraph_answer.question.lmqg_qg_koquad.default.txt +0 -0
eval/samples.validation.hyp.paragraph_sentence.answer.lmqg_qg_koquad.default.txt +0 -0
pytorch_model.bin +2 -2
tokenizer_config.json +1 -1
trainer_config.json +1 -0

README.md ADDED Viewed

	@@ -0,0 +1,215 @@

+---
+license: cc-by-4.0
+metrics:
+- bleu4
+- meteor
+- rouge-l
+- bertscore
+- moverscore
+language: ko
+datasets:
+- lmqg/qg_koquad
+pipeline_tag: text2text-generation
+tags:
+- question generation
+- answer extraction
+widget:
+- text: "generate question: 1990년 영화 《 <hl> 남부군 <hl> 》에서 단역으로 영화배우 첫 데뷔에 이어 같은 해 KBS 드라마 《지구인》에서 단역으로 출연하였고 이듬해 MBC 《여명의 눈동자》를 통해 단역으로 출연하였다."
+  example_title: "Question Generation Example 1"
+- text: "generate question: 백신이 없기때문에 예방책은 <hl> 살충제 <hl> 를 사용하면서 서식 장소(찻찬 받침, 배수로, 고인 물의 열린 저장소, 버려진 타이어 등)의 수를 줄임으로써 매개체를 통제할 수 있다."
+  example_title: "Question Generation Example 2"
+- text: "generate question: <hl> 원테이크 촬영 <hl> 이기 때문에 한 사람이 실수를 하면 처음부터 다시 찍어야 하는 상황이 발생한다."
+  example_title: "Question Generation Example 3"
+- text: "extract answers: 또한 스피어스는 많은 새로운 여성 아티스트들에게 영향을 끼쳤는데, 대표적으로 데미 로바토, 케이티 페리, 크리스티니아 드바지, 레이디 가가, 리틀 부츠, 셀레나 고메즈 & 더씬, 픽시 로트 이 있다. 2007년 비욘세 놀스는 Total Request Live와의 인터뷰에서 '나는 브리트니를 사랑하고 팬이에요. 특히 새 앨범 Blackout을 좋아해요'라고 말했다. 린제이 로한은 '언제나 브리트니 스피어스에게 영감을 받는다. 학창시절 그녀처럼 타블로이드에 오르기를 꿈꿔왔다'고 말하며 롤 모델로 꼽았다. 스피어스는 현대 음악가들에게 음악적 영감으로 언급되기도 했다. <hl> 마일리 사이러스는 자신의 히트곡 Party in the U.S.A. 가 브리트니에게 영감과 영향을 받은 곡이라고 밝혔다. <hl> 베리 매닐로우의 앨범 15 Minutes 역시 브리트니에게 영감을 얻었다고 언급되었다."
+  example_title: "Answer Extraction Example 1"
+- text: "extract answers: 지난 22일 아프리카TV는 BJ 철구가 서비스 정지 처분을 받았음을 밝혔다. 서비스 정지 처분을 사유는 철구가 10대 청소년에게 유해한 장면을 방송으로 내보냈기 때문이었다. 문제가 된 장면은 BJ 철구가 미성년자는 시청할 수 없게 하는 19세 시청 가능 설정을 하지 않은 채 흡연하는 모습을 여과 없이 드러낸 장면이다. 아프리카TV는 청소년 보호 정책의 '청소년들이 해로운 환경으로부터 보호받을 수 있도록 조치한다'라고 조항을 근거로 철구에게 서비스 정지 처분을 내렸다. 흡연 이외에 음주 방송 등도 19세 시청 가능 설정을 해야만 방송할 수 있다. <hl> 게다가 철구의 방송 정지 처분은 이번에 처음이 아니라 16번 째기 때문에 더욱더 논란이 되고 있다. <hl>"
+  example_title: "Answer Extraction Example 2"
+model-index:
+- name: lmqg/mbart-large-cc25-koquad-qg-ae
+  results:
+  - task:
+      name: Text2text Generation
+      type: text2text-generation
+    dataset:
+      name: lmqg/qg_koquad
+      type: default
+      args: default
+    metrics:
+    - name: BLEU4 (Question Generation)
+      type: bleu4_question_generation
+      value: 10.7
+    - name: ROUGE-L (Question Generation)
+      type: rouge_l_question_generation
+      value: 27.02
+    - name: METEOR (Question Generation)
+      type: meteor_question_generation
+      value: 29.73
+    - name: BERTScore (Question Generation)
+      type: bertscore_question_generation
+      value: 83.52
+    - name: MoverScore (Question Generation)
+      type: moverscore_question_generation
+      value: 82.79
+    - name: QAAlignedF1Score-BERTScore (Question & Answer Generation (with Gold Answer))
+      type: qa_aligned_f1_score_bertscore_question_answer_generation_with_gold_answer
+      value: 80.81
+    - name: QAAlignedRecall-BERTScore (Question & Answer Generation (with Gold Answer))
+      type: qa_aligned_recall_bertscore_question_answer_generation_with_gold_answer
+      value: 84.32
+    - name: QAAlignedPrecision-BERTScore (Question & Answer Generation (with Gold Answer))
+      type: qa_aligned_precision_bertscore_question_answer_generation_with_gold_answer
+      value: 77.64
+    - name: QAAlignedF1Score-MoverScore (Question & Answer Generation (with Gold Answer))
+      type: qa_aligned_f1_score_moverscore_question_answer_generation_with_gold_answer
+      value: 83.42
+    - name: QAAlignedRecall-MoverScore (Question & Answer Generation (with Gold Answer))
+      type: qa_aligned_recall_moverscore_question_answer_generation_with_gold_answer
+      value: 88.44
+    - name: QAAlignedPrecision-MoverScore (Question & Answer Generation (with Gold Answer))
+      type: qa_aligned_precision_moverscore_question_answer_generation_with_gold_answer
+      value: 79.08
+    - name: BLEU4 (Answer Extraction)
+      type: bleu4_answer_extraction
+      value: 24.34
+    - name: ROUGE-L (Answer Extraction)
+      type: rouge_l_answer_extraction
+      value: 82.78
+    - name: METEOR (Answer Extraction)
+      type: meteor_answer_extraction
+      value: 59.82
+    - name: BERTScore (Answer Extraction)
+      type: bertscore_answer_extraction
+      value: 95.53
+    - name: MoverScore (Answer Extraction)
+      type: moverscore_answer_extraction
+      value: 94.69
+    - name: AnswerF1Score (Answer Extraction)
+      type: answer_f1_score__answer_extraction
+      value: 88.2
+    - name: AnswerExactMatch (Answer Extraction)
+      type: answer_exact_match_answer_extraction
+      value: 82.17
+---
+# Model Card of `lmqg/mbart-large-cc25-koquad-qg-ae`
+This model is fine-tuned version of [facebook/mbart-large-cc25](https://huggingface.co/facebook/mbart-large-cc25) for question generation and answer extraction jointly on the [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) (dataset_name: default) via [`lmqg`](https://github.com/asahi417/lm-question-generation).
+### Overview
+- **Language model:** [facebook/mbart-large-cc25](https://huggingface.co/facebook/mbart-large-cc25)
+- **Language:** ko
+- **Training data:** [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) (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="ko", model="lmqg/mbart-large-cc25-koquad-qg-ae")
+# model prediction
+question_answer_pairs = model.generate_qa("1990년 영화 《 남부군 》에서 단역으로 영화배우 첫 데뷔에 이어 같은 해 KBS 드라마 《지구인》에서 단역으로 출연하였고 이듬해 MBC 《여명의 눈동자》를 통해 단역으로 출연하였다.")
+```
+- With `transformers`
+```python
+from transformers import pipeline
+pipe = pipeline("text2text-generation", "lmqg/mbart-large-cc25-koquad-qg-ae")
+# answer extraction
+answer = pipe("generate question: 1990년 영화 《 <hl> 남부군 <hl> 》에서 단역으로 영화배우 첫 데뷔에 이어 같은 해 KBS 드라마 《지구인》에서 단역으로 출연하였고 이듬해 MBC 《여명의 눈동자》를 통해 단역으로 출연하였다.")
+# question generation
+question = pipe("extract answers: 또한 스피어스는 많은 새로운 여성 아티스트들에게 영향을 끼쳤는데, 대표적으로 데미 로바토, 케이티 페리, 크리스티니아 드바지, 레이디 가가, 리틀 부츠, 셀레나 고메즈 & 더씬, 픽시 로트 이 있다. 2007년 비욘세 놀스는 Total Request Live와의 인터뷰에서 '나는 브리트니를 사랑하고 팬이에요. 특히 새 앨범 Blackout을 좋아해요'라고 말했다. 린제이 로한은 '언제나 브리트니 스피어스에게 영감을 받는다. 학창시절 그녀처럼 타블로이드에 오르기를 꿈꿔왔다'고 말하며 롤 모델로 꼽았다. 스피어스는 현대 음악가들에게 음악적 영감으로 언급되기도 했다. <hl> 마일리 사이러스는 자신의 히트곡 Party in the U.S.A. 가 브리트니에게 영감과 영향을 받은 곡이라고 밝혔다. <hl> 베리 매닐로우의 앨범 15 Minutes 역시 브리트니에게 영감을 얻었다고 언급되었다.")
+```
+## Evaluation
+- ***Metric (Question Generation)***: [raw metric file](https://huggingface.co/lmqg/mbart-large-cc25-koquad-qg-ae/raw/main/eval/metric.first.sentence.paragraph_answer.question.lmqg_qg_koquad.default.json)
+|            |   Score | Type    | Dataset                                                          |
+|:-----------|--------:|:--------|:-----------------------------------------------------------------|
+| BERTScore  |   83.52 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_1     |   26.03 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_2     |   18.93 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_3     |   14.14 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_4     |   10.7  | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| METEOR     |   29.73 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| MoverScore |   82.79 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| ROUGE_L    |   27.02 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+- ***Metric (Question & Answer Generation)***:  [raw metric file](https://huggingface.co/lmqg/mbart-large-cc25-koquad-qg-ae/raw/main/eval/metric.first.answer.paragraph.questions_answers.lmqg_qg_koquad.default.json)
+|                                 |   Score | Type    | Dataset                                                          |
+|:--------------------------------|--------:|:--------|:-----------------------------------------------------------------|
+| QAAlignedF1Score (BERTScore)    |   80.81 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| QAAlignedF1Score (MoverScore)   |   83.42 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| QAAlignedPrecision (BERTScore)  |   77.64 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| QAAlignedPrecision (MoverScore) |   79.08 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| QAAlignedRecall (BERTScore)     |   84.32 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| QAAlignedRecall (MoverScore)    |   88.44 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+- ***Metric (Answer Extraction)***: [raw metric file](https://huggingface.co/lmqg/mbart-large-cc25-koquad-qg-ae/raw/main/eval/metric.first.answer.paragraph_sentence.answer.lmqg_qg_koquad.default.json)
+|                  |   Score | Type    | Dataset                                                          |
+|:-----------------|--------:|:--------|:-----------------------------------------------------------------|
+| AnswerExactMatch |   82.17 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| AnswerF1Score    |   88.2  | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| BERTScore        |   95.53 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_1           |   68.81 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_2           |   56.84 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_3           |   40.49 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| Bleu_4           |   24.34 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| METEOR           |   59.82 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| MoverScore       |   94.69 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+| ROUGE_L          |   82.78 | default | [lmqg/qg_koquad](https://huggingface.co/datasets/lmqg/qg_koquad) |
+## Training hyperparameters
+The following hyperparameters were used during fine-tuning:
+ - dataset_path: lmqg/qg_koquad
+ - dataset_name: default
+ - input_types: ['paragraph_answer', 'paragraph_sentence']
+ - output_types: ['question', 'answer']
+ - prefix_types: ['qg', 'ae']
+ - model: facebook/mbart-large-cc25
+ - max_length: 512
+ - max_length_output: 32
+ - epoch: 6
+ - batch: 2
+ - lr: 0.0001
+ - fp16: False
+ - random_seed: 1
+ - gradient_accumulation_steps: 32
+ - label_smoothing: 0.15
+The full configuration can be found at [fine-tuning config file](https://huggingface.co/lmqg/mbart-large-cc25-koquad-qg-ae/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",
+}
+```

config.json CHANGED Viewed

@@ -1,5 +1,5 @@
 {
-  "_name_or_path": "lmqg_output/mbart-large-cc25-koquad-qg-ae/best_model",
   "_num_labels": 3,
   "activation_dropout": 0.0,
   "activation_function": "gelu",

 {
+  "_name_or_path": "lmqg_output/mbart-large-cc25-koquad-qg-ae/model_yyyubh/epoch_5",
   "_num_labels": 3,
   "activation_dropout": 0.0,
   "activation_function": "gelu",

eval/metric.first.answer.paragraph.questions_answers.lmqg_qg_koquad.default.json ADDED Viewed

	@@ -0,0 +1 @@

+ {"test": {"QAAlignedF1Score (BERTScore)": 0.8080531331560218, "QAAlignedRecall (BERTScore)": 0.8432085347440835, "QAAlignedPrecision (BERTScore)": 0.7764423377788053, "QAAlignedF1Score (MoverScore)": 0.8341647325006587, "QAAlignedRecall (MoverScore)": 0.884428816496664, "QAAlignedPrecision (MoverScore)": 0.790849078156105, "Bleu_1": 0.06006353283216381, "Bleu_2": 0.03277271597776233, "Bleu_3": 0.01679141278827258, "Bleu_4": 0.008701219699473002, "METEOR": 0.2096936779895271, "ROUGE_L": 0.10486478215766001, "BERTScore": 0.6530535750859281, "MoverScore": 0.6212690775930128}, "validation": {"QAAlignedF1Score (BERTScore)": 0.8320523455339407, "QAAlignedRecall (BERTScore)": 0.842912377202491, "QAAlignedPrecision (BERTScore)": 0.8218751313450386, "QAAlignedF1Score (MoverScore)": 0.8776802710910037, "QAAlignedRecall (MoverScore)": 0.8900046908054511, "QAAlignedPrecision (MoverScore)": 0.8670147916474056, "Bleu_1": 0.24769373372825015, "Bleu_2": 0.16276359134020726, "Bleu_3": 0.10296341046122665, "Bleu_4": 0.0631750284426749, "METEOR": 0.3244083271656011, "ROUGE_L": 0.2514414206314093, "BERTScore": 0.7588320937007665, "MoverScore": 0.6899094830883825}}

eval/metric.first.answer.paragraph_answer.question.lmqg_qg_koquad.default.json ADDED Viewed

	@@ -0,0 +1 @@


1	+ {"validation": {"Bleu_1": 0.24001131861912395, "Bleu_2": 0.17337773126724246, "Bleu_3": 0.12863453775221245, "Bleu_4": 0.0967813335443571}, "test": {"Bleu_1": 0.25700589970500975, "Bleu_2": 0.18655624690855915, "Bleu_3": 0.13921999044020586, "Bleu_4": 0.10522212620417044}}

eval/metric.first.answer.paragraph_sentence.answer.lmqg_qg_koquad.default.json ADDED Viewed

	@@ -0,0 +1 @@

+ {"validation": {"Bleu_1": 0.6473646468267616, "Bleu_2": 0.5223649094151351, "Bleu_3": 0.3708659604524931, "Bleu_4": 0.22928480043252533, "METEOR": 0.5810308270805657, "ROUGE_L": 0.8033567513331389, "BERTScore": 0.9471528558548317, "MoverScore": 0.9376238552757546, "AnswerF1Score": 85.70134600751668, "AnswerExactMatch": 79.62192160943462}, "test": {"Bleu_1": 0.6880666727721688, "Bleu_2": 0.5684242128732656, "Bleu_3": 0.4048775421649216, "Bleu_4": 0.24343180251763877, "METEOR": 0.5982393486155895, "ROUGE_L": 0.8277957798666822, "BERTScore": 0.9553042152173561, "MoverScore": 0.9469417855096769, "AnswerF1Score": 88.20101741568419, "AnswerExactMatch": 82.17134928893513}}

eval/metric.first.sentence.paragraph_answer.question.lmqg_qg_koquad.default.json ADDED Viewed

	@@ -0,0 +1 @@

+ {"validation": {"Bleu_1": 0.27035303490513696, "Bleu_2": 0.19930839007285978, "Bleu_3": 0.1501884183509421, "Bleu_4": 0.11424533846569236, "METEOR": 0.30116603338636466, "ROUGE_L": 0.2760626109540457, "BERTScore": 0.8260049123941742, "MoverScore": 0.8266965044904961}, "test": {"Bleu_1": 0.2602554141015628, "Bleu_2": 0.18932977159555883, "Bleu_3": 0.1414435531316931, "Bleu_4": 0.10703670501766625, "METEOR": 0.2973001847077773, "ROUGE_L": 0.27015462949790164, "BERTScore": 0.83523548089995, "MoverScore": 0.8278969743029401}}

eval/samples.test.hyp.paragraph.questions_answers.lmqg_qg_koquad.default.txt ADDED Viewed