T5 Qa Webnlg Synth En

🚀 t5-qa_webnlg_synth-en

このモデルは、構造化されたテーブルを入力として質問に回答する「データ質問応答」モデルです。T5-smallをベースに構築されており、QuestEval メトリックの一部ですが、独立して質問応答タスクに使用することもできます。

🚀 クイックスタート

このモデルは、構造化されたテーブルを入力として質問に回答する「データ質問応答」モデルです。T5-smallをベースに構築されており、独立して質問応答タスクに使用することができます。

✨ 主な機能

• 構造化されたテーブルを入力として質問に回答することができます。
• QuestEval メトリックの一部として使用することも、独立して使用することも可能です。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコードを実行してモデルとトークナイザーをロードします。

from transformers import T5Tokenizer, T5ForConditionalGeneration

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

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

💻 使用例

基本的な使用法

from transformers import T5Tokenizer, T5ForConditionalGeneration

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

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

高度な使用法

モデルを推論APIを使用して試すことができます。テキスト入力形式は、モデルの学習段階に合わせて以下のテンプレートに従う必要があります。

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

ここで、CONTEXT は以下のように線形化された構造化テーブルです。

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。