Tapex Large Finetuned Tabfact

🚀 TAPEX (大型モデル)

TAPEXは、Qian Liu, Bei Chen, Jiaqi Guo, Morteza Ziyadi, Zeqi Lin, Weizhu Chen, Jian - Guang Louによる TAPEX: Table Pre - training via Learning a Neural SQL Executor で提案されました。元のリポジトリは こちら で見つけることができます。

🚀 クイックスタート

TAPEXは、既存のモデルに表推論スキルを付与するための、概念的にシンプルで実証的に強力な事前学習アプローチです。TAPEXは、自動的に合成された実行可能なSQLクエリから得られる合成コーパス上でニューラルSQLエグゼキュータを学習することで、表の事前学習を実現します。

このモデルは、Tabfact データセットで微調整された tapex - base モデルです。

✨ 主な機能

このモデルは表の事実検証に使用することができます。

📦 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。以下のコマンドでインストールできます。

pip install transformers pandas

💻 使用例

基本的な使用法

from transformers import TapexTokenizer, BartForSequenceClassification
import pandas as pd

tokenizer = TapexTokenizer.from_pretrained("microsoft/tapex-large-finetuned-tabfact")
model = BartForSequenceClassification.from_pretrained("microsoft/tapex-large-finetuned-tabfact")

data = {
    "year": [1896, 1900, 1904, 2004, 2008, 2012],
    "city": ["athens", "paris", "st. louis", "athens", "beijing", "london"]
}
table = pd.DataFrame.from_dict(data)

# tapex accepts uncased input since it is pre - trained on the uncased corpus
query = "beijing hosts the olympic games in 2012"
encoding = tokenizer(table=table, query=query, return_tensors="pt")

outputs = model(**encoding)
output_id = int(outputs.logits[0].argmax(dim=0))
print(model.config.id2label[output_id])
# Refused

高度な使用法

このモデルの高度な使用法については、評価スクリプトを こちら で見つけることができます。

📚 ドキュメント

モデルの詳細

TAPEX (Table Pre - training via Execution) は、既存のモデルに表推論スキルを付与するための事前学習アプローチです。TAPEXは、合成コーパス上でニューラルSQLエグゼキュータを学習することで表の事前学習を実現します。このコーパスは、自動的に合成された実行可能なSQLクエリから得られます。

TAPEXは、BARTアーキテクチャに基づいており、双方向（BERTのような）エンコーダと自己回帰（GPTのような）デコーダを持つトランスフォーマーエンコーダ - エンコーダ（seq2seq）モデルです。

BibTeXエントリと引用情報

@inproceedings{
    liu2022tapex,
    title={{TAPEX}: Table Pre - training via Learning a Neural {SQL} Executor},
    author={Qian Liu and Bei Chen and Jiaqi Guo and Morteza Ziyadi and Zeqi Lin and Weizhu Chen and Jian - Guang Lou},
    booktitle={International Conference on Learning Representations},
    year={2022},
    url={https://openreview.net/forum?id=O50443AsCP}
}

📄 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。