metadata

license: cc-by-4.0
metrics:
  - bleu4
  - meteor
  - rouge-l
  - bertscore
  - moverscore
language: fr
datasets:
  - lmqg/qg_frquad
pipeline_tag: text2text-generation
tags:
  - question generation
  - answer extraction
widget:
  - text: >-
      generate question: Créateur » (Maker), lui aussi au singulier, « <hl> le
      Suprême Berger <hl> » (The Great Shepherd) ; de l'autre, des réminiscences
      de la théologie de l'Antiquité : le tonnerre, voix de Jupiter, « Et
      souvent ta voix gronde en un tonnerre terrifiant », etc.
    example_title: Question Generation Example 1
  - text: >-
      generate question: 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 <hl> Grande Guerre <hl>
      de 14-18, ou son rejet par l'électorat en juillet 1945.
    example_title: Question Generation Example 2
  - text: >-
      generate question: contre <hl> Normie Smith <hl> et 15 000 dollars le 28
      novembre 1938.
    example_title: Question Generation Example 3
  - text: >-
      Pourtant, la strophe spensérienne, utilisée cinq fois avant que ne
      commence le chœur, constitue en soi un vecteur dont les répétitions
      structurelles, selon Ricks, relèvent du pur lyrisme tout en constituant
      une menace potentielle. Après les huit sages pentamètres iambiques,
      l'alexandrin final <hl> permet une pause <hl>, « véritable illusion
      d'optique » qu'accentuent les nombreuses expressions archaïsantes telles
      que did swoon, did seem, did go, did receive, did make, qui doublent le
      prétérit en un temps composé et paraissent à la fois « très
      précautionneuses et très peu pressées ».
    example_title: Answer Extraction Example 1
  - text: >-
      Néanmoins, une fois encore, l'arithmétique modulaire est insuffisante pour
      venir à bout du théorème. Dirichlet utilise de nombreuses techniques
      analytiques, comme les séries entières et l'analyse complexe. Le fruit de
      ces travaux donne naissance à une nouvelle branche des mathématiques : la
      théorie analytique des nombres. L'un des points cruciaux de cette théorie
      provient de l'unique article de <hl> Bernhard Riemann <hl> en théorie des
      nombres : Sur le nombre de nombres premiers inférieurs à une taille
      donnée. Il conjecture une localisation des racines de sa fonction ζ. La
      recherche de la position des racines, initiée par Dirichlet, devient une
      préoccupation centrale et reste l'une des conjectures pressenties comme
      les plus difficiles des mathématiques de notre époque.
    example_title: Answer Extraction Example 2
model-index:
  - name: lmqg/mt5-small-frquad-multitask
    results:
      - task:
          name: Text2text Generation
          type: text2text-generation
        dataset:
          name: lmqg/qg_frquad
          type: default
          args: default
        metrics:
          - name: BLEU4
            type: bleu4
            value: 0.0774587808669847
          - name: ROUGE-L
            type: rouge-l
            value: 0.28060033794696104
          - name: METEOR
            type: meteor
            value: 0.17623658069800158
          - name: BERTScore
            type: bertscore
            value: 0.7990349418715752
          - name: MoverScore
            type: moverscore
            value: 0.5644356433018314

Model Card of `lmqg/mt5-small-frquad-multitask`

This model is fine-tuned version of google/mt5-small for question generation task on the lmqg/qg_frquad (dataset_name: default) via lmqg. This model is fine-tuned on the answer extraction task as well as the question generation.

Please cite our paper if you use the model (https://arxiv.org/abs/2210.03992).


@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",
}

Overview

Language model: google/mt5-small
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='lmqg/mt5-small-frquad-multitask')
# model prediction
question_answer = model.generate_qa("Créateur » (Maker), lui aussi au singulier, « le Suprême Berger » (The Great Shepherd) ; de l'autre, des réminiscences de la théologie de l'Antiquité : le tonnerre, voix de Jupiter, « Et souvent ta voix gronde en un tonnerre terrifiant », etc.")

With transformers


from transformers import pipeline
# initialize model
pipe = pipeline("text2text-generation", 'lmqg/mt5-small-frquad-multitask')
# answer extraction
answer = pipe('extract answers: Pourtant, la strophe spensérienne, utilisée cinq fois avant que ne commence le chœur, constitue en soi un vecteur dont les répétitions structurelles, selon Ricks, relèvent du pur lyrisme tout en constituant une menace potentielle. Après les huit sages pentamètres iambiques, l'alexandrin final <hl> permet une pause <hl>, « véritable illusion d'optique » qu'accentuent les nombreuses expressions archaïsantes telles que did swoon, did seem, did go, did receive, did make, qui doublent le prétérit en un temps composé et paraissent à la fois « très précautionneuses et très peu pressées ».')
# question generation
question = pipe('generate question: Créateur » (Maker), lui aussi au singulier, « <hl> le Suprême Berger <hl> » (The Great Shepherd) ; de l'autre, des réminiscences de la théologie de l'Antiquité : le tonnerre, voix de Jupiter, « Et souvent ta voix gronde en un tonnerre terrifiant », etc.')

Evaluation Metrics

Metrics

Dataset	Type	BLEU4	ROUGE-L	METEOR	BERTScore	MoverScore	Link
lmqg/qg_frquad	default	0.077	0.281	0.176	0.799	0.564	link

Training hyperparameters

The following hyperparameters were used during fine-tuning:

dataset_path: lmqg/qg_frquad
dataset_name: default
input_types: ['paragraph_answer', 'paragraph_sentence']
output_types: ['question', 'answer']
prefix_types: ['qg', 'ae']
model: google/mt5-small
max_length: 512
max_length_output: 32
epoch: 18
batch: 64
lr: 0.0005
fp16: False
random_seed: 1
gradient_accumulation_steps: 1
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",
}

Model Card of lmqg/mt5-small-frquad-multitask