from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="zh", model="lmqg/mt5-base-zhquad-ae")

# model prediction
answers = model.generate_a("南安普敦的警察服务由汉普郡警察提供。南安普敦行动的主要基地是一座新的八层专用建筑，造价3000万英镑。该建筑位于南路，2011年启用，靠近南安普敦中央火车站。此前，南安普顿市中心的行动位于市民中心西翼，但由于设施老化，加上计划在旧警察局和地方法院建造一座新博物馆，因此必须搬迁。在Portswood、Banister Park、Hille和Shirley还有其他警察局，在南安普顿中央火车站还有一个英国交通警察局。")

With transformers

python

from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/mt5-base-zhquad-ae")
output = pipe("南安普敦的警察服务由汉普郡警察提供。 南安普敦行动的主要基地是一座新的八层专用建筑，造价3000万英镑。 <hl> 该建筑位于南路，2011年启用，靠近 南安普敦中央 火车站。 <hl> 此前，南安普顿市中心的行动位于市民中心西翼，但由于设施老化，加上计划在旧警察局和地方法院建造一座新博物馆，因此必须搬迁。 在Portswood、Banister Park、Hille和Shirley还有其他警察局，在南安普顿中央火车站还有一个英国交通警察局。")

Evaluation

Metric (Answer Extraction): raw metric file

	Score	Type	Dataset
AnswerExactMatch	92.62	default	lmqg/qg_zhquad
AnswerF1Score	92.68	default	lmqg/qg_zhquad
BERTScore	99.48	default	lmqg/qg_zhquad
Bleu_1	90.95	default	lmqg/qg_zhquad
Bleu_2	87.44	default	lmqg/qg_zhquad
Bleu_3	83.75	default	lmqg/qg_zhquad
Bleu_4	79.86	default	lmqg/qg_zhquad
METEOR	68.41	default	lmqg/qg_zhquad
MoverScore	97.97	default	lmqg/qg_zhquad
ROUGE_L	94.53	default	lmqg/qg_zhquad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

dataset_path: lmqg/qg_zhquad
dataset_name: default
input_types: ['paragraph_sentence']
output_types: ['answer']
prefix_types: None
model: google/mt5-base
max_length: 512
max_length_output: 32
epoch: 18
batch: 8
lr: 0.0001
fp16: False
random_seed: 1
gradient_accumulation_steps: 8
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",
}

lmqg/mt5-base-zhquad-ae

Model Card of lmqg/mt5-base-zhquad-ae

Overview

Usage

Evaluation

Training hyperparameters

Citation

lmqg/
mt5-base-zhquad-ae

Model Card of `lmqg/mt5-base-zhquad-ae`