Mt5 Base Finetuned Tydiqa Question Generation

🚀 mT5-baseをTyDiQAでファインチューニングした多言語質問生成モデル 🗺📖❓

このモデルは、GoogleのmT5-baseをTyDi QA（セカンダリタスク）でファインチューニングし、多言語質問生成の下流タスク（回答の前置による）に対応させたものです。

📚 mT5の詳細

GoogleのmT5

mT5は、mC4コーパスで事前学習されており、101の言語をカバーしています。

アフリカーンス語、アルバニア語、アムハラ語、アラビア語、アルメニア語、アゼルバイジャン語、バスク語、ベラルーシ語、ベンガル語、ブルガリア語、ビルマ語、カタルーニャ語、セブアノ語、チチェワ語、中国語、コルシカ語、チェコ語、デンマーク語、オランダ語、英語、エスペラント語、エストニア語、フィリピン語、フィンランド語、フランス語、ガリシア語、グルジア語、ドイツ語、ギリシャ語、グジャラート語、ハイチ・クレオール語、ハウサ語、ハワイ語、ヘブライ語、ヒンディー語、モン語、ハンガリー語、アイスランド語、イボ語、インドネシア語、アイルランド語、イタリア語、日本語、ジャワ語、カンナダ語、カザフ語、クメール語、韓国語、クルド語、キルギス語、ラオス語、ラテン語、ラトビア語、リトアニア語、ルクセンブルク語、マケドニア語、マダガスカル語、マレー語、マラヤーラム語、マルタ語、マオリ語、マラーティー語、モンゴル語、ネパール語、ノルウェー語、パシュトー語、ペルシャ語、ポーランド語、ポルトガル語、パンジャブ語、ルーマニア語、ロシア語、サモア語、スコットランド・ゲール語、セルビア語、ショナ語、シンド語、シンハラ語、スロバキア語、スロベニア語、ソマリ語、ソト語、スペイン語、スンダ語、スワヒリ語、スウェーデン語、タジク語、タミル語、テルグ語、タイ語、トルコ語、ウクライナ語、ウルドゥー語、ウズベク語、ベトナム語、ウェールズ語、西フリジア語、コサ語、イディッシュ語、ヨルバ語、ズールー語。

注意: mT5は、教師あり学習を含まないmC4でのみ事前学習されています。したがって、このモデルは下流タスクで使用する前にファインチューニングする必要があります。

事前学習データセット: mC4

他のコミュニティチェックポイント: こちら

論文: mT5: A massively multilingual pre-trained text-to-text transformer

著者: Linting Xue, Noah Constant, Adam Roberts, Mihir Kale, Rami Al - Rfou, Aditya Siddhant, Aditya Barua, Colin Raffel

📚 データセットの詳細

TyDi QAは、11の類型的に多様な言語をカバーする204Kの質問 - 回答ペアを含む質問応答データセットです。TyDi QAの言語は、その類型学的な観点から多様です。つまり、各言語が表現する言語的特徴のセットが異なり、このセットで良好な性能を発揮するモデルは、世界の多数の言語に対して汎化することが期待されます。このデータセットには、英語のみのコーパスでは見られない言語現象が含まれています。現実的な情報検索タスクを提供し、プライミング効果を避けるために、質問は回答を知りたいがまだ知らない人によって作成されており（SQuADやその派生データセットとは異なり）、データは翻訳を使用せずに各言語で直接収集されています（MLQAやXQuADとは異なり）。

📝 検証データセットでの結果

作業中

🚀 モデルの動作

作業中

作成者: Narrativa

Narrativaについて: 自然言語生成（NLG）。当社の機械学習ベースのプラットフォームであるGabrieleは、自然言語ソリューションを構築および展開します。 #NLG #AI