Tapas Large Finetuned Tabfact

🚀 表形式事実検証 (TabFact) でファインチューニングされたTAPAS largeモデル

このモデルには2つのバージョンがあり、利用可能です。最新バージョン（デフォルト）は、元のGitHubリポジトリ の tapas_tabfact_inter_masklm_large_reset チェックポイントに対応しています。 このモデルは、MLMと著者が中間事前学習と呼ぶ追加のステップで事前学習され、その後 TabFact でファインチューニングされまし。デフォルトでは相対位置埋め込みを使用しています（つまり、テーブルの各セルで位置インデックスをリセットします）。

使用可能なもう1つの（非デフォルト）バージョンは、絶対位置埋め込みを使用したものです。

• no_reset ：tapas_tabfact_inter_masklm_large に対応

免責事項：TAPASをリリースしたチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームと貢献者によって作成されました。

🚀 クイックスタート

このモデルは、文がテーブルの内容によって支持されるか反駁されるかを分類するために使用できます。コード例については、HuggingFaceウェブサイトのTAPASのドキュメントを参照してください。

✨ 主な機能

モデルの説明

TAPASは、Wikipediaの大量の英語データコーパスを自己教師付き方式で事前学習したBERTライクなトランスフォーマーモデルです。 つまり、生のテーブルと関連するテキストのみを使用して事前学習され、人間によるラベル付けは一切行われず（このため、大量の公開データを利用できます）、それらのテキストから入力とラベルを自動生成するプロセスが行われます。より正確には、2つの目的で事前学習されています。

• マスク言語モデリング（MLM）：（平坦化された）テーブルと関連するコンテキストを入力として、モデルは入力の単語の15％をランダムにマスクし、その後、部分的にマスクされた全体のシーケンスをモデルに通します。そして、モデルはマスクされた単語を予測する必要があります。これは、通常1つずつ単語を見る従来の再帰型ニューラルネットワーク（RNN）や、内部的に未来のトークンをマスクするGPTのような自己回帰モデルとは異なり、テーブルと関連するテキストの双方向表現を学習することができます。
• 中間事前学習：テーブルに対する数値推論を促進するために、著者らは数百万の構文的に作成されたトレーニング例のバランスの取れたデータセットを作成してモデルを追加で事前学習させました。ここでは、モデルは文がテーブルの内容によって支持されるか反駁されるかを予測（分類）する必要があります。トレーニング例は、合成文および反事実文に基づいて作成されます。

このように、モデルはテーブルと関連するテキストで使用される英語の内部表現を学習し、これを使用して、テーブルに関する質問に回答するなどの下流タスクや、文がテーブルの内容によって含意されるか反駁されるかを判断するために有用な特徴を抽出することができます。ファインチューニングは、事前学習されたモデルの上に分類ヘッドを追加し、その後、このランダムに初期化された分類ヘッドとベースモデルをTabFactで共同学習することで行われます。

📦 インストール

前処理

テキストは小文字に変換され、WordPieceを使用して語彙サイズ30,000でトークン化されます。モデルの入力は次の形式になります。

[CLS] Sentence [SEP] Flattened table [SEP]

ファインチューニング

このモデルは、32個のCloud TPU v3コアで最大シーケンス長512、バッチサイズ512で80,000ステップのファインチューニングが行われまし。 この設定では、ファインチューニングに約14時間かかります。使用されるオプティマイザは学習率2e-5、ウォームアップ率0.05のAdamです。詳細については 論文（付録A2）を参照してください。

📚 ドキュメント

引用情報

@misc{herzig2020tapas,
      title={TAPAS: Weakly Supervised Table Parsing via Pre-training}, 
      author={Jonathan Herzig and Paweł Krzysztof Nowak and Thomas Müller and Francesco Piccinno and Julian Martin Eisenschlos},
      year={2020},
      eprint={2004.02349},
      archivePrefix={arXiv},
      primaryClass={cs.IR}
}

@misc{eisenschlos2020understanding,
      title={Understanding tables with intermediate pre-training}, 
      author={Julian Martin Eisenschlos and Syrine Krichene and Thomas Müller},
      year={2020},
      eprint={2010.00571},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@inproceedings{2019TabFactA,
  title={TabFact : A Large-scale Dataset for Table-based Fact Verification},
  author={Wenhu Chen, Hongmin Wang, Jianshu Chen, Yunkai Zhang, Hong Wang, Shiyang Li, Xiyou Zhou and William Yang Wang},
  booktitle = {International Conference on Learning Representations (ICLR)},
  address = {Addis Ababa, Ethiopia},
  month = {April},
  year = {2020}
}

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。