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

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

Overview

• Language model: google/mt5-small
• 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-small-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-small-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	80.39	default	lmqg/qg_dequad
Bleu_1	10.13	default	lmqg/qg_dequad
Bleu_2	4.24	default	lmqg/qg_dequad
Bleu_3	1.89	default	lmqg/qg_dequad
Bleu_4	0.82	default	lmqg/qg_dequad
METEOR	12.18	default	lmqg/qg_dequad
MoverScore	55.1	default	lmqg/qg_dequad
ROUGE_L	10.15	default	lmqg/qg_dequad

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

	Score	Type	Dataset
QAAlignedF1Score (BERTScore)	80.02	default	lmqg/qg_dequad
QAAlignedF1Score (MoverScore)	53.99	default	lmqg/qg_dequad
QAAlignedPrecision (BERTScore)	78.91	default	lmqg/qg_dequad
QAAlignedPrecision (MoverScore)	53.77	default	lmqg/qg_dequad
QAAlignedRecall (BERTScore)	81.23	default	lmqg/qg_dequad
QAAlignedRecall (MoverScore)	54.27	default	lmqg/qg_dequad

• Metric (Answer Extraction): raw metric file

	Score	Type	Dataset
AnswerExactMatch	9.94	default	lmqg/qg_dequad
AnswerF1Score	37.66	default	lmqg/qg_dequad
BERTScore	75.15	default	lmqg/qg_dequad
Bleu_1	19.77	default	lmqg/qg_dequad
Bleu_2	13.28	default	lmqg/qg_dequad
Bleu_3	8.84	default	lmqg/qg_dequad
Bleu_4	5.83	default	lmqg/qg_dequad
METEOR	22.47	default	lmqg/qg_dequad
MoverScore	57.76	default	lmqg/qg_dequad
ROUGE_L	18.26	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-small
• max_length: 512
• max_length_output: 32
• epoch: 15
• batch: 16
• lr: 0.001
• fp16: False
• random_seed: 1
• gradient_accumulation_steps: 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",
}