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-base-koquad-multitask
    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: 12.22
          - name: ROUGE-L (Question Generation)
            type: rouge_l_question_generation
            value: 28.55
          - name: METEOR (Question Generation)
            type: meteor_question_generation
            value: 29.86
          - name: BERTScore (Question Generation)
            type: bertscore_question_generation
            value: 84.19
          - name: MoverScore (Question Generation)
            type: moverscore_question_generation
            value: 83.24
          - name: QAAlignedF1Score-BERTScore
            type: qa_aligned_f1_score_bertscore
            value: 80.28
          - name: QAAlignedRecall-BERTScore
            type: qa_aligned_recall_bertscore
            value: 83.91
          - name: QAAlignedPrecision-BERTScore
            type: qa_aligned_precision_bertscore
            value: 77.03
          - name: QAAlignedF1Score-MoverScore
            type: qa_aligned_f1_score_moverscore
            value: 81.97
          - name: QAAlignedRecall-MoverScore
            type: qa_aligned_recall_moverscore
            value: 86.43
          - name: QAAlignedPrecision-MoverScore
            type: qa_aligned_precision_moverscore
            value: 78.1
          - name: AnswerF1Score (Answer Extraction)
            type: answer_f1_score_answer_extraction
            value: 88.43
          - name: AnswerExactMatch (Answer Extraction)
            type: answer_exact_match_answer_extraction
            value: 83.02

Model Card of `lmqg/mt5-base-koquad-multitask`

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

Overview

Language model: google/mt5-base
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-base-koquad-multitask")

# 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-base-koquad-multitask")

# 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	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

Metric (Question & Answer Generation): raw metric file

	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

Metric (Answer Generation): raw metric file

	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:

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-base
max_length: 512
max_length_output: 32
epoch: 14
batch: 32
lr: 0.0001
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",
}