Omnitab Large

🚀 OmniTab

OmniTabは、OmniTab: Pretraining with Natural and Synthetic Data for Few-shot Table-based Question Answeringで提案された表ベースのQAモデルです。元のGitHubリポジトリはhttps://github.com/jzbjyb/OmniTabです。このモデルは、自然言語と合成データを用いた事前学習により、少ないデータでの表ベースの質問応答を可能にします。

🚀 クイックスタート

OmniTabは、表ベースの質問応答を行うためのモデルです。以下のセクションでは、このモデルの概要と使用方法について説明します。

✨ 主な機能

• neulab/omnitab-large（BARTアーキテクチャに基づく）は、microsoft/tapex-largeで初期化され、自然データと合成データで継続的に事前学習されます。

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import pandas as pd

tokenizer = AutoTokenizer.from_pretrained("neulab/omnitab-large")
model = AutoModelForSeq2SeqLM.from_pretrained("neulab/omnitab-large")

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

query = "In which year did beijing host the Olympic Games?"
encoding = tokenizer(table=table, query=query, return_tensors="pt")

outputs = model.generate(**encoding)

print(tokenizer.batch_decode(outputs, skip_special_tokens=True))
# [' 2008']

📄 ライセンス

このプロジェクトのライセンスに関する詳細は、元のGitHubリポジトリを参照してください。

📚 ドキュメント

参考文献

@inproceedings{jiang-etal-2022-omnitab,
  title = "{O}mni{T}ab: Pretraining with Natural and Synthetic Data for Few-shot Table-based Question Answering",
  author = "Jiang, Zhengbao and Mao, Yi and He, Pengcheng and Neubig, Graham and Chen, Weizhu",
  booktitle = "Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies",
  month = jul,
  year = "2022",
}