Model Card of vocabtrimmer/mt5-small-trimmed-it-30000-itquad-qa
This model is fine-tuned version of ckpts/mt5-small-trimmed-it-30000 for question answering task on the lmqg/qg_itquad (dataset_name: default) via lmqg
.
Overview
- Language model: ckpts/mt5-small-trimmed-it-30000
- Language: it
- Training data: lmqg/qg_itquad (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="it", model="vocabtrimmer/mt5-small-trimmed-it-30000-itquad-qa")
# model prediction
answers = model.answer_q(list_question="Quale batterio ha il nome del paese che colpisce di più nel suo nome?", list_context=" Il complesso M. tubercolosi (MTBC) comprende altri quattro micobatteri causa di tubercolosi: M. bovis, M. africanum, M. canetti e M. microti. M. africanum non è molto diffuso, ma è una causa significativa di tubercolosi in alcune parti dell' Africa. M. bovis era una volta una causa comune della tubercolosi, ma l' introduzione del latte pastorizzato ha quasi completamente eliminato questo problema di salute pubblica nei paesi sviluppati. M. canetti è raro e sembra essere limitato al Corno d' Africa, anche se alcuni casi sono stati osservati negli emigranti africani. M. microti è anche raro ed è visto quasi solo in persone immunodeficienti, anche se la sua prevalenza può essere significativamente sottovalutata.")
- With
transformers
from transformers import pipeline
pipe = pipeline("text2text-generation", "vocabtrimmer/mt5-small-trimmed-it-30000-itquad-qa")
output = pipe("question: Quale batterio ha il nome del paese che colpisce di più nel suo nome?, context: Il complesso M. tubercolosi (MTBC) comprende altri quattro micobatteri causa di tubercolosi: M. bovis, M. africanum, M. canetti e M. microti. M. africanum non è molto diffuso, ma è una causa significativa di tubercolosi in alcune parti dell' Africa. M. bovis era una volta una causa comune della tubercolosi, ma l' introduzione del latte pastorizzato ha quasi completamente eliminato questo problema di salute pubblica nei paesi sviluppati. M. canetti è raro e sembra essere limitato al Corno d' Africa, anche se alcuni casi sono stati osservati negli emigranti africani. M. microti è anche raro ed è visto quasi solo in persone immunodeficienti, anche se la sua prevalenza può essere significativamente sottovalutata.")
Evaluation
- Metric (Question Answering): raw metric file
Score | Type | Dataset | |
---|---|---|---|
AnswerExactMatch | 42.13 | default | lmqg/qg_itquad |
AnswerF1Score | 57.79 | default | lmqg/qg_itquad |
BERTScore | 90.82 | default | lmqg/qg_itquad |
Bleu_1 | 19.62 | default | lmqg/qg_itquad |
Bleu_2 | 14.74 | default | lmqg/qg_itquad |
Bleu_3 | 11.48 | default | lmqg/qg_itquad |
Bleu_4 | 8.94 | default | lmqg/qg_itquad |
METEOR | 29.76 | default | lmqg/qg_itquad |
MoverScore | 76.29 | default | lmqg/qg_itquad |
ROUGE_L | 34.48 | default | lmqg/qg_itquad |
Training hyperparameters
The following hyperparameters were used during fine-tuning:
- dataset_path: lmqg/qg_itquad
- dataset_name: default
- input_types: ['paragraph_question']
- output_types: ['answer']
- prefix_types: None
- model: ckpts/mt5-small-trimmed-it-30000
- max_length: 512
- max_length_output: 32
- epoch: 14
- batch: 32
- lr: 0.0005
- fp16: False
- random_seed: 1
- gradient_accumulation_steps: 2
- 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",
}
- Downloads last month
- 6
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social
visibility and check back later, or deploy to Inference Endpoints (dedicated)
instead.
Dataset used to train vocabtrimmer/mt5-small-trimmed-it-30000-itquad-qa
Evaluation results
- BLEU4 (Question Answering) on lmqg/qg_itquadself-reported8.940
- ROUGE-L (Question Answering) on lmqg/qg_itquadself-reported34.480
- METEOR (Question Answering) on lmqg/qg_itquadself-reported29.760
- BERTScore (Question Answering) on lmqg/qg_itquadself-reported90.820
- MoverScore (Question Answering) on lmqg/qg_itquadself-reported76.290
- AnswerF1Score (Question Answering) on lmqg/qg_itquadself-reported57.790
- AnswerExactMatch (Question Answering) on lmqg/qg_itquadself-reported42.130