lmqg/t5-small-squad-qg 的模型卡片

这个模型是通过 lmqg 在 lmqg/qg_squad 上进行问题生成任务的微调版本的 t5-small 。

概述

• 语言模型： t5-small
• 语言： en
• 训练数据： lmqg/qg_squad （默认）
• 在线演示： https://autoqg.net/
• 代码库： https://github.com/asahi417/lm-question-generation
• 论文： https://arxiv.org/abs/2210.03992

使用方法

• 使用 lmqg

from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="en", model="lmqg/t5-small-squad-qg")

# model prediction
questions = model.generate_q(list_context="William Turner was an English painter who specialised in watercolour landscapes", list_answer="William Turner")

• 使用 transformers

from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/t5-small-squad-qg")
output = pipe("generate question: <hl> Beyonce <hl> further expanded her acting career, starring as blues singer Etta James in the 2008 musical biopic, Cadillac Records.")

评估

• 指标（问题生成）： raw metric file

• 指标（问题和答案生成，参考答案）：每个问题都是从黄金答案中生成的。 raw metric file

• 指标（问题和答案生成，流水线方法）：每个问题都是在由 lmqg/t5-small-squad-ae 生成的答案上生成的。 raw metric file

• 指标（问题生成，领域外）

训练超参数

在微调期间使用了以下超参数：

• dataset_path：lmqg/qg_squad
• dataset_name：default
• input_types：['paragraph_answer']
• output_types：['question']
• prefix_types：['qg']
• model：t5-small
• max_length：512
• max_length_output：32
• epoch：9
• batch：64
• lr：0.0001
• fp16：False
• random_seed：1
• gradient_accumulation_steps：1
• label_smoothing：0.15

完整的配置可以在 fine-tuning config file 找到。

引用

@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",
}