question generation answer extraction

Model Card of lmqg/mt5-base-koquad-qg-ae

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

Overview

Usage

from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="ko", model="lmqg/mt5-base-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.")

from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/mt5-base-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

Score Type Dataset
BERTScore 84.19 default lmqg/qg_koquad
Bleu_1 27.97 default lmqg/qg_koquad
Bleu_2 20.84 default lmqg/qg_koquad
Bleu_3 15.88 default lmqg/qg_koquad
Bleu_4 12.22 default lmqg/qg_koquad
METEOR 29.86 default lmqg/qg_koquad
MoverScore 83.24 default lmqg/qg_koquad
ROUGE_L 28.55 default lmqg/qg_koquad
Score Type Dataset
QAAlignedF1Score (BERTScore) 80.28 default lmqg/qg_koquad
QAAlignedF1Score (MoverScore) 81.97 default lmqg/qg_koquad
QAAlignedPrecision (BERTScore) 77.03 default lmqg/qg_koquad
QAAlignedPrecision (MoverScore) 78.1 default lmqg/qg_koquad
QAAlignedRecall (BERTScore) 83.91 default lmqg/qg_koquad
QAAlignedRecall (MoverScore) 86.43 default lmqg/qg_koquad
Score Type Dataset
AnswerExactMatch 83.02 default lmqg/qg_koquad
AnswerF1Score 88.43 default lmqg/qg_koquad
BERTScore 96.14 default lmqg/qg_koquad
Bleu_1 74.93 default lmqg/qg_koquad
Bleu_2 65.39 default lmqg/qg_koquad
Bleu_3 51.39 default lmqg/qg_koquad
Bleu_4 34.98 default lmqg/qg_koquad
METEOR 61.26 default lmqg/qg_koquad
MoverScore 95.2 default lmqg/qg_koquad
ROUGE_L 83.83 default lmqg/qg_koquad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

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",
}