Tapas Tiny Finetuned Wtq

🚀 TAPAS微型模型在WikiTable Questions (WTQ) 上微調

該模型有兩個可用版本。默認版本對應於原始GitHub倉庫中的 tapas_wtq_wikisql_sqa_inter_masklm_tiny_reset 檢查點。 此模型在MLM和作者稱為中間預訓練的額外步驟上進行了預訓練，然後在 SQA、WikiSQL 上進行鏈式微調，最後在 WTQ 上微調。它使用相對位置嵌入（即在表格的每個單元格處重置位置索引）。

另一個（非默認）可用版本是：

• no_reset，對應於 tapas_wtq_wikisql_sqa_inter_masklm_tiny（中間預訓練，絕對位置嵌入）。

免責聲明：發佈TAPAS的團隊沒有為此模型編寫模型卡片，因此此模型卡片由Hugging Face團隊和貢獻者編寫。

🚀 快速開始

你可以使用此模型回答與表格相關的問題。代碼示例請參考Hugging Face網站上TAPAS的文檔。

✨ 主要特性

• 基於自監督學習，在大量英文維基百科數據上預訓練，學習表格和相關文本的內部表示。
• 經過中間預訓練，鼓勵在表格上進行數值推理。
• 可通過微調用於下游任務，如表格問答。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

文檔未提供代碼示例，故跳過此章節。

📚 詳細文檔

結果

模型描述

TAPAS是一個類似BERT的Transformer模型，以自監督方式在大量英文維基百科數據語料庫上進行預訓練。 這意味著它僅在原始表格和相關文本上進行預訓練，沒有人工進行任何標註（這就是為什麼它可以使用大量公開可用數據），並通過自動過程從這些文本中生成輸入和標籤。更準確地說，它以兩個目標進行預訓練：

• 掩碼語言模型（MLM）：給定一個（扁平化的）表格和相關上下文，模型隨機掩碼輸入中15%的單詞，然後將整個（部分掩碼的）序列輸入模型。模型必須預測被掩碼的單詞。這與通常逐個處理單詞的傳統循環神經網絡（RNN）不同，也與像GPT這樣內部掩碼未來標記的自迴歸模型不同。它允許模型學習表格和相關文本的雙向表示。
• 中間預訓練：為了鼓勵在表格上進行數值推理，作者通過創建數百萬個語法生成的訓練示例的平衡數據集，額外對模型進行預訓練。在這裡，模型必須預測（分類）一個句子是否由表格內容支持或反駁。訓練示例基於合成語句和反事實語句創建。

通過這種方式，模型學習了表格和相關文本中使用的英語語言的內部表示，然後可用於提取對下游任務有用的特徵，如下回答關於表格的問題，或確定一個句子是否由表格內容蘊含或反駁。微調是通過在預訓練模型之上添加單元格選擇頭和聚合頭，然後在SQa、WikiSQL和最終的WTQ上聯合訓練這些隨機初始化的分類頭和基礎模型來完成的。

預期用途和侷限性

你可以使用此模型回答與表格相關的問題。

訓練過程

預處理

文本使用WordPiece進行小寫處理和分詞，詞彙表大小為30,000。模型的輸入形式如下：

[CLS] Question [SEP] Flattened table [SEP]

作者首先使用自動轉換腳本將WTQ數據集轉換為SQA的格式。

微調

模型在32個Cloud TPU v3核心上進行了50,000步的微調，最大序列長度為512，批量大小為512。在這種設置下，微調大約需要10小時。使用的優化器是Adam，學習率為1.93581e - 5，預熱比例為0.128960。添加了歸納偏置，使模型僅選擇同一列的單元格。這反映在 TapasConfig 的 select_one_column 參數中。更多詳細信息請參閱論文（表11和12）。

引用信息

@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}
}

@article{DBLP:journals/corr/PasupatL15,
  author    = {Panupong Pasupat and
               Percy Liang},
  title     = {Compositional Semantic Parsing on Semi-Structured Tables},
  journal   = {CoRR},
  volume    = {abs/1508.00305},
  year      = {2015},
  url       = {http://arxiv.org/abs/1508.00305},
  archivePrefix = {arXiv},
  eprint    = {1508.00305},
  timestamp = {Mon, 13 Aug 2018 16:47:37 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/PasupatL15.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

🔧 技術細節

文檔中關於技術細節的描述較為詳細，已在上述詳細文檔中體現，故不再單獨列出此章節。

📄 許可證

本模型使用的許可證為 apache-2.0。