metadata
license: cc-by-4.0
metrics:
- bleu4
- meteor
- rouge-l
- bertscore
- moverscore
language: ko
datasets:
- lmqg/qg_koquad
pipeline_tag: text2text-generation
tags:
- question generation
- answer extraction
widget:
- text: >-
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.
example_title: Question Generation Example 1
- text: >-
generate question: 백신이 없기때문에 예방책은 <hl> 살충제 <hl> 를 사용하면서 서식 장소(찻찬 받침, 배수로,
고인 물의 열린 저장소, 버려진 타이어 등)의 수를 줄임으로써 매개체를 통제할 수 있다.
example_title: Question Generation Example 2
- text: >-
generate question: <hl> 원테이크 촬영 <hl> 이기 때문에 한 사람이 실수를 하면 처음부터 다시 찍어야 하는
상황이 발생한다.
example_title: Question Generation Example 3
- text: >-
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.
example_title: Answer Extraction Example 1
- text: >-
extract answers: 지난 22일 아프리카TV는 BJ 철구가 서비스 정지 처분을 받았음을 밝혔다. 서비스 정지 처분을 사유는
철구가 10대 청소년에게 유해한 장면을 방송으로 내보냈기 때문이었다. 문제가 된 장면은 BJ 철구가 미성년자는 시청할 수 없게 하는
19세 시청 가능 설정을 하지 않은 채 흡연하는 모습을 여과 없이 드러낸 장면이다. 아프리카TV는 청소년 보호 정책의 '청소년들이
해로운 환경으로부터 보호받을 수 있도록 조치한다'라고 조항을 근거로 철구에게 서비스 정지 처분을 내렸다. 흡연 이외에 음주 방송 등도
19세 시청 가능 설정을 해야만 방송할 수 있다. <hl> 게다가 철구의 방송 정지 처분은 이번에 처음이 아니라 16번 째기 때문에
더욱더 논란이 되고 있다. <hl>
example_title: Answer Extraction Example 2
model-index:
- name: lmqg/mt5-small-koquad-qg-ae
results:
- task:
name: Text2text Generation
type: text2text-generation
dataset:
name: lmqg/qg_koquad
type: default
args: default
metrics:
- name: BLEU4 (Question Generation)
type: bleu4_question_generation
value: 10.91
- name: ROUGE-L (Question Generation)
type: rouge_l_question_generation
value: 25.83
- name: METEOR (Question Generation)
type: meteor_question_generation
value: 27.52
- name: BERTScore (Question Generation)
type: bertscore_question_generation
value: 83.4
- name: MoverScore (Question Generation)
type: moverscore_question_generation
value: 82.54
- name: >-
QAAlignedF1Score-BERTScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_f1_score_bertscore_question_answer_generation_with_gold_answer
value: 80.36
- name: >-
QAAlignedRecall-BERTScore (Question & Answer Generation (with Gold
Answer))
type: >-
qa_aligned_recall_bertscore_question_answer_generation_with_gold_answer
value: 83.72
- name: >-
QAAlignedPrecision-BERTScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_precision_bertscore_question_answer_generation_with_gold_answer
value: 77.34
- name: >-
QAAlignedF1Score-MoverScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_f1_score_moverscore_question_answer_generation_with_gold_answer
value: 82.55
- name: >-
QAAlignedRecall-MoverScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_recall_moverscore_question_answer_generation_with_gold_answer
value: 86.69
- name: >-
QAAlignedPrecision-MoverScore (Question & Answer Generation (with
Gold Answer))
type: >-
qa_aligned_precision_moverscore_question_answer_generation_with_gold_answer
value: 78.93
- name: BLEU4 (Answer Extraction)
type: bleu4_answer_extraction
value: 38.2
- name: ROUGE-L (Answer Extraction)
type: rouge_l_answer_extraction
value: 82.32
- name: METEOR (Answer Extraction)
type: meteor_answer_extraction
value: 59.91
- name: BERTScore (Answer Extraction)
type: bertscore_answer_extraction
value: 95.65
- name: MoverScore (Answer Extraction)
type: moverscore_answer_extraction
value: 94.61
- name: AnswerF1Score (Answer Extraction)
type: answer_f1_score__answer_extraction
value: 86.98
- name: AnswerExactMatch (Answer Extraction)
type: answer_exact_match_answer_extraction
value: 80.78
Model Card of lmqg/mt5-small-koquad-qg-ae
This model is fine-tuned version of google/mt5-small for question generation and answer extraction jointly on the lmqg/qg_koquad (dataset_name: default) via lmqg.
Overview
- Language model: google/mt5-small
- Language: ko
- Training data: lmqg/qg_koquad (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="ko", model="lmqg/mt5-small-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.")
- With
transformers
from transformers import pipeline
pipe = pipeline("text2text-generation", "lmqg/mt5-small-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
- Metric (Question Generation): raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| BERTScore | 83.4 | default | lmqg/qg_koquad |
| Bleu_1 | 25.91 | default | lmqg/qg_koquad |
| Bleu_2 | 19.09 | default | lmqg/qg_koquad |
| Bleu_3 | 14.37 | default | lmqg/qg_koquad |
| Bleu_4 | 10.91 | default | lmqg/qg_koquad |
| METEOR | 27.52 | default | lmqg/qg_koquad |
| MoverScore | 82.54 | default | lmqg/qg_koquad |
| ROUGE_L | 25.83 | default | lmqg/qg_koquad |
- Metric (Question & Answer Generation): raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| QAAlignedF1Score (BERTScore) | 80.36 | default | lmqg/qg_koquad |
| QAAlignedF1Score (MoverScore) | 82.55 | default | lmqg/qg_koquad |
| QAAlignedPrecision (BERTScore) | 77.34 | default | lmqg/qg_koquad |
| QAAlignedPrecision (MoverScore) | 78.93 | default | lmqg/qg_koquad |
| QAAlignedRecall (BERTScore) | 83.72 | default | lmqg/qg_koquad |
| QAAlignedRecall (MoverScore) | 86.69 | default | lmqg/qg_koquad |
- Metric (Answer Extraction): raw metric file
| Score | Type | Dataset | |
|---|---|---|---|
| AnswerExactMatch | 80.78 | default | lmqg/qg_koquad |
| AnswerF1Score | 86.98 | default | lmqg/qg_koquad |
| BERTScore | 95.65 | default | lmqg/qg_koquad |
| Bleu_1 | 75.14 | default | lmqg/qg_koquad |
| Bleu_2 | 66.16 | default | lmqg/qg_koquad |
| Bleu_3 | 53.61 | default | lmqg/qg_koquad |
| Bleu_4 | 38.2 | default | lmqg/qg_koquad |
| METEOR | 59.91 | default | lmqg/qg_koquad |
| MoverScore | 94.61 | default | lmqg/qg_koquad |
| ROUGE_L | 82.32 | default | lmqg/qg_koquad |
Training hyperparameters
The following hyperparameters were used during fine-tuning:
- dataset_path: lmqg/qg_koquad
- 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: 6
- 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",
}