语言: 中文 标签:

• 问答
• 问题
• 生成
• SQuAD
• 数据到文本
• 评估指标
• 自然语言生成
• t5-small 许可证: MIT 数据集:
• squad_v2 模型索引:
• 名称: t5-qg_webnlg_synth-en 结果:
  • 任务: 名称: 数据问题生成 类型: 文本到文本生成 小部件:
  • 文本: "The Eagle 名称 [ The Eagle ] , 类型 [ 咖啡店 ] , 食物 [ 法式 ] , 价格范围 [ 20-25英镑 ]"

t5-qg_webnlg_synth-en

模型描述

此模型是一个基于T5-small的数据问题生成模型，它根据给定的结构化表格和条件答案生成问题。
它实际上是QuestEval评估指标的一个组成部分，但也可以独立使用，仅用于问题生成。

使用方法

from transformers import T5Tokenizer, T5ForConditionalGeneration

tokenizer = T5Tokenizer.from_pretrained("ThomasNLG/t5-qg_webnlg_synth-en")

model = T5ForConditionalGeneration.from_pretrained("ThomasNLG/t5-qg_webnlg_synth-en")

您可以使用推理API来测试模型，文本输入格式应遵循以下模板（根据模型的训练阶段）：

text_input = "{ANSWER} </s> {CONTEXT}"

其中CONTEXT是一个结构化表格，按以下方式线性化：

CONTEXT = "名称 [ The Eagle ] , 类型 [ 咖啡店 ] , 食物 [ 法式 ] , 价格范围 [ 20-25英镑 ]"

训练数据

该模型在合成数据上训练，如Data-QuestEval: A Referenceless Metric for Data to Text Semantic Evaluation中所述。

引用信息

@article{rebuffel2021data,
  title={Data-QuestEval: 一种无参考的数据到文本语义评估指标},
  author={Rebuffel, Cl{\'e}ment and Scialom, Thomas and Soulier, Laure and Piwowarski, Benjamin and Lamprier, Sylvain and Staiano, Jacopo and Scoutheeten, Geoffrey and Gallinari, Patrick},
  journal={arXiv preprint arXiv:2104.07555},
  year={2021}
}