Tapas Base Finetuned Wikisql Supervised

🚀 TAPAS基礎模型在WikiSQL上的監督式微調

本模型有兩個版本可供使用。默認版本對應於原始GitHub倉庫中的tapas_wikisql_sqa_inter_masklm_base_reset檢查點。 該模型先在MLM和作者所稱的中間預訓練步驟上進行預訓練，然後在SQA和WikiSQL上進行鏈式微調。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）版本為：

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

免責聲明：發佈TAPAS的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊及貢獻者編寫。

🚀 快速開始

本模型可用於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

TAPAS是一個類似BERT的Transformer模型，以自監督方式在來自維基百科的大量英文數據語料庫上進行預訓練。這意味著它僅在原始表格及相關文本上進行預訓練，沒有人工進行任何標註（因此可以使用大量公開可用的數據），並通過自動流程從這些文本中生成輸入和標籤。更確切地說，它通過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。模型隨後需要預測被掩碼的單詞。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這樣在內部掩碼未來標記的自迴歸模型不同。它使模型能夠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，額外對模型進行了預訓練。在此過程中，模型必須預測（分類）一個句子是否得到表格內容的支持或反駁。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被表格內容所蘊含或反駁。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和WikiSQL上與基礎模型一起聯合訓練這些隨機初始化的分類頭來完成的。

📦 安裝指南

文檔中未提及安裝步驟，故跳過此章節。

💻 使用示例

文檔中未提及代碼示例，故跳過此章節。

📚 詳細文檔

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] 問題 [SEP] 扁平化表格 [SEP]

作者首先使用自動轉換腳本將WikiSQL數據集轉換為SQA的格式。

微調

該模型在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6.17164e - 5，熱身比例為0.1424。更多詳細信息請參閱論文（表11和表12）。

🔧 技術細節

文檔中關於技術細節部分已有詳細說明，可參考上述“詳細文檔”內容。

📄 許可證

本模型使用的許可證為Apache - 2.0。

BibTeX引用

@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/abs-1709-00103,
  author    = {Victor Zhong and
               Caiming Xiong and
               Richard Socher},
  title     = {Seq2SQL: Generating Structured Queries from Natural Language using
               Reinforcement Learning},
  journal   = {CoRR},
  volume    = {abs/1709.00103},
  year      = {2017},
  url       = {http://arxiv.org/abs/1709.00103},
  archivePrefix = {arXiv},
  eprint    = {1709.00103},
  timestamp = {Mon, 13 Aug 2018 16:48:41 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1709-00103.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 信息表格