T5 Qg Webnlg Synth En

🚀 t5-qg_webnlg_synth-en

このモデルは、構造化された表と条件付きの回答を入力として質問を生成する、T5-smallベースのデータ質問生成モデルです。 実際にはQuestEvalメトリックの一部ですが、質問生成のみに独立して使用することもできます。

🚀 クイックスタート

このモデルの基本的な使い方を説明します。

✨ 主な機能

• 構造化された表と条件付きの回答を入力として質問を生成する機能。
• QuestEvalメトリックの一部として使用できるだけでなく、独立して質問生成に使用することも可能。

📦 インストール

以下のコードを使用して、必要なライブラリをインポートし、モデルをロードします。

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")

💻 使用例

基本的な使用法

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")

推論APIを使用してモデルを操作することができます。テキスト入力形式は、モデルの学習段階に応じて以下のテンプレートに従う必要があります。

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

ここで、CONTEXTは次のように線形化された構造化表です。

CONTEXT = "name [ The Eagle ] , eatType [ coffee shop ] , food [ French ] , priceRange [ £ 2 0 - 2 5 ]"

📚 ドキュメント

学習データ

このモデルは、Data-QuestEval: A Referenceless Metric for Data to Text Semantic Evaluationで説明されている合成データで学習されました。

引用情報

@article{rebuffel2021data,
  title={Data-QuestEval: A Referenceless Metric for Data to Text Semantic Evaluation},
  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}
}

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

情報テーブル