Tapas Large Finetuned Wtq

🚀 TAPAS大型模型在WikiTable Questions (WTQ)上的微調版本

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_large_reset檢查點。此模型先在MLM和作者所稱的中間預訓練步驟上進行預訓練，然後依次在SQA、WikiSQL和WTQ上進行微調。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_large（中間預訓練，絕對位置嵌入）。

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

✨ 主要特性

• 有兩個可用版本，分別採用相對位置嵌入和絕對位置嵌入。
• 經過中間預訓練和多數據集微調，適合處理表格相關問題。

📚 詳細文檔

結果

模型描述

TAPAS是一個類似BERT的Transformer模型，以自監督的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），並通過自動流程從這些文本中生成輸入和標籤。更準確地說，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。這與通常逐個查看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，模型學習到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一個單元格選擇頭和聚合頭，然後在SQa、WikiSQL和最終的WTQ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。

預期用途和限制

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

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] 問題 [SEP] 扁平化表格 [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

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，批次大小為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，熱身比例為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）。

BibTeX引用和引用信息

@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}
}

📄 許可證

本項目採用Apache-2.0許可證。