许可证: cc-by-4.0
评估指标:

• bleu4
• meteor
• rouge-l
• bertscore
• moverscore
  语言: 英语
  数据集:
• lmqg/qg_squad
  管道标签: 文本到文本生成
  标签:
• 问题生成

小部件示例:

• 文本: "生成问题: 碧昂丝 进一步扩展了她的演艺事业，在2008年的音乐传记片《卡迪拉克唱片》中饰演蓝调歌手埃塔·詹姆斯。"
  示例标题: "问题生成示例1"
• 文本: "生成问题: 碧昂丝进一步扩展了她的演艺事业，在2008年的音乐传记片《卡迪拉克唱片》中饰演蓝调歌手 埃塔·詹姆斯 。"
  示例标题: "问题生成示例2"
• 文本: "生成问题: 碧昂丝进一步扩展了她的演艺事业，在2008年的音乐传记片中饰演蓝调歌手埃塔·詹姆斯，电影名为 卡迪拉克唱片 。"
  示例标题: "问题生成示例3"

模型索引:

• 名称: lmqg/t5-small-squad-qg
  结果:
  • 任务:
    名称: 文本到文本生成
    类型: 文本到文本生成
    数据集:
    名称: lmqg/qg_squad
    类型: 默认
    参数: 默认
    评估指标:
    • 名称: BLEU4 (问题生成)
      类型: bleu4_question_generation
      值: 24.4
    • 名称: ROUGE-L (问题生成)
      类型: rouge_l_question_generation
      值: 51.43
    • 名称: METEOR (问题生成)
      类型: meteor_question_generation
      值: 25.84
    • 名称: BERTScore (问题生成)
      类型: bertscore_question_generation
      值: 90.2
    • 名称: MoverScore (问题生成)
      类型: moverscore_question_generation
      值: 63.89
    • 名称: QAAlignedF1Score-BERTScore (问题与答案生成（含标准答案）) [标准答案]
      类型: qa_aligned_f1_score_bertscore_question_answer_generation_with_gold_answer_gold_answer
      值: 95.14
    • 名称: QAAlignedRecall-BERTScore (问题与答案生成（含标准答案）) [标准答案]
      类型: qa_aligned_recall_bertscore_question_answer_generation_with_gold_answer_gold_answer
      值: 95.09
    • 名称: QAAlignedPrecision-BERTScore (问题与答案生成（含标准答案）) [标准答案]
      类型: qa_aligned_precision_bertscore_question_answer_generation_with_gold_answer_gold_answer
      值: 95.19
    • 名称: QAAlignedF1Score-MoverScore (问题与答案生成（含标准答案）) [标准答案]
      类型: qa_aligned_f1_score_moverscore_question_answer_generation_with_gold_answer_gold_answer
      值: 69.79
    • 名称: QAAlignedRecall-MoverScore (问题与答案生成（含标准答案）) [标准答案]
      类型: qa_aligned_recall_moverscore_question_answer_generation_with_gold_answer_gold_answer
      值: 69.51
    • 名称: QAAlignedPrecision-MoverScore (问题与答案生成（含标准答案）) [标准答案]
      类型: qa_aligned_precision_moverscore_question_answer_generation_with_gold_answer_gold_answer
      值: 70.09
    • 名称: QAAlignedF1Score-BERTScore (问题与答案生成) [标准答案]
      类型: qa_aligned_f1_score_bertscore_question_answer_generation_gold_answer
      值: 92.26
    • 名称: QAAlignedRecall-BERTScore (问题与答案生成) [标准答案]
      类型: qa_aligned_recall_bertscore_question_answer_generation_gold_answer
      值: 92.48
    • 名称: QAAlignedPrecision-BERTScore (问题与答案生成) [标准答案]
      类型: qa_aligned_precision_bertscore_question_answer_generation_gold_answer
      值: 92.07
    • 名称: QAAlignedF1Score-MoverScore (问题与答案生成) [标准答案]
      类型: qa_aligned_f1_score_moverscore_question_answer_generation_gold_answer
      值: 63.83
    • 名称: QAAlignedRecall-MoverScore (问题与答案生成) [标准答案]
      类型: qa_aligned_recall_moverscore_question_answer_generation_gold_answer
      值: 63.82
    • 名称: QAAlignedPrecision-MoverScore (问题与答案生成) [标准答案]
      类型: qa_aligned_precision_moverscore_question_answer_generation_gold_answer
      值: 63.92

lmqg/t5-small-squad-qg 模型卡片

此模型是基于 t5-small 微调的版本，用于在 lmqg/qg_squad（数据集名称：默认）上进行问题生成任务，通过 lmqg 实现。

概述

• 语言模型: t5-small
• 语言: 英语
• 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  

# 初始化模型  
model = TransformersQG(language="en", model="lmqg/t5-small-squad-qg")  

# 模型预测  
questions = model.generate_q(list_context="威廉·特纳是一位专门从事水彩风景画的英国画家", list_answer="威廉·特纳")  

• 使用 transformers

from transformers import pipeline  

pipe = pipeline("text2text-generation", "lmqg/t5-small-squad-qg")  
output = pipe("生成问题: <hl> 碧昂丝 <hl> 进一步扩展了她的演艺事业，在2008年的音乐传记片《卡迪拉克唱片》中饰演蓝调歌手埃塔·詹姆斯。")  

评估

• 问题生成指标: 原始指标文件

• 问题与答案生成指标（参考答案）: 每个问题基于标准答案生成。原始指标文件

• 问题与答案生成指标（管道方法）: 每个问题基于 lmqg/t5-small-squad-ae 生成的答案生成。原始指标文件

• 问题生成指标（域外数据）

| 数据集 | 类型 | BERTScore | Bleu_4 | METEOR | MoverScore | ROUGE_L | 链接 |
|:--------|:-----|---------:|