Tapex Base Finetuned Tabfact

🚀 TAPEX (ベースサイズのモデル)

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にあります。

🚀 クイックスタート

TAPEXを使って表事実検証を行うことができます。以下に、transformersライブラリでこのモデルを使用する方法を示します。

from transformers import TapexTokenizer, BartForSequenceClassification
import pandas as pd

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

評価スクリプトはこちらにあります。

✨ 主な機能

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、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実行器を学習することで、表の事前学習を実現します。

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。

このモデルは、Tabfactデータセットでファインチューニングされたtapex - baseモデルです。

📚 ドキュメント

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。