许可证：cc-by-4.0
评估指标：

• bleu4
• meteor
• rouge-l
• bertscore
• moverscore
  语言：英文
  数据集：
• lmqg/qag_squad
  流水线标签：文本到文本生成
  标签：
• 问题与答案生成

小部件示例：

• 文本："生成问题与答案：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："问题与答案生成示例1"

模型索引：

• 名称：lmqg/t5-base-squad-qag
  结果：
  • 任务：
    名称：文本到文本生成
    类型：text2text-generation
    数据集：
    名称：lmqg/qag_squad
    类型：默认
    参数：默认
    评估指标：
    • 名称：QAAlignedF1Score-BERTScore（问题与答案生成）
      类型：qa_aligned_f1_score_bertscore_question_answer_generation
      值：93.34
    • 名称：QAAlignedRecall-BERTScore（问题与答案生成）
      类型：qa_aligned_recall_bertscore_question_answer_generation
      值：93.51
    • 名称：QAAlignedPrecision-BERTScore（问题与答案生成）
      类型：qa_aligned_precision_bertscore_question_answer_generation
      值：93.18
    • 名称：QAAlignedF1Score-MoverScore（问题与答案生成）
      类型：qa_aligned_f1_score_moverscore_question_answer_generation
      值：65.78
    • 名称：QAAlignedRecall-MoverScore（问题与答案生成）
      类型：qa_aligned_recall_moverscore_question_answer_generation
      值：65.68
    • 名称：QAAlignedPrecision-MoverScore（问题与答案生成）
      类型：qa_aligned_precision_moverscore_question_answer_generation
      值：65.96

lmqg/t5-base-squad-qag模型卡

该模型是基于t5-base微调的版本，用于在lmqg/qag_squad（数据集名称：默认）上进行问题与答案对生成任务，通过lmqg实现。

概述

• 语言模型：t5-base
• 语言：英文
• 训练数据：lmqg/qag_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-base-squad-qag")  

# 模型预测  
question_answer_pairs = model.generate_qa("威廉·特纳是一位擅长水彩风景画的英国画家")  

• 使用transformers

from transformers import pipeline  

pipe = pipeline("text2text-generation", "lmqg/t5-base-squad-qag")  
output = pipe("生成问题与答案：碧昂丝在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，进一步扩展了她的演艺事业。")  

评估

• 评估指标（问题与答案生成）：原始指标文件

训练超参数

微调过程中使用的超参数如下：

• 数据集路径：lmqg/qag_squad
• 数据集名称：默认
• 输入类型：['段落']
• 输出类型：['问题与答案']
• 前缀类型：['qag']
• 模型：t5-base
• 最大长度：512
• 输出最大长度：256
• 训练轮数：17
• 批次大小：8
• 学习率：0.0001
• 是否使用FP16：否
• 随机种子：1
• 梯度累积步数：8
• 标签平滑：0.15

完整配置可参见微调配置文件。

引用

@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",  
}