Tapas Base Finetuned Tabfact

🚀 TAPAS基礎模型在表格事實核查（TabFact）上的微調版本

本模型有兩個可用版本。最新版本（也是默認版本）對應於原始GitHub倉庫中的 tapas_tabfact_inter_masklm_base_reset 檢查點。 該模型在掩碼語言模型（MLM）和作者所稱的中間預訓練的額外步驟上進行了預訓練，然後在TabFact上進行了微調。默認情況下，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）可用版本是使用絕對位置嵌入的版本：

• no_reset，對應於 tapas_tabfact_inter_masklm_base

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

✨ 主要特性

• 本模型有兩個版本，默認版本使用相對位置嵌入，非默認版本使用絕對位置嵌入。
• 通過在掩碼語言模型和中間預訓練步驟上進行預訓練，然後在TabFact上進行微調，能夠學習表格和相關文本中英語語言的內部表示。
• 可用於分類句子是否得到表格內容的支持或反駁。

📚 詳細文檔

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語數據語料庫上進行了預訓練。 這意味著它僅在原始表格和相關文本上進行預訓練，沒有人工以任何方式對其進行標註（這就是為什麼它可以使用大量公開可用的數據），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，模型隨機掩蓋輸入中15%的單詞，然後將整個（部分掩蓋的）序列輸入模型。然後模型必須預測被掩蓋的單詞。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這樣在內部掩蓋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創建的訓練示例的平衡數據集，額外對模型進行了預訓練。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得到表格內容的蘊含或反駁。微調是通過在預訓練模型之上添加一個分類頭，然後在TabFact上聯合訓練這個隨機初始化的分類頭和基礎模型來完成的。

預期用途和限制

你可以使用此模型來分類一個句子是否得到表格內容的支持或反駁。 有關代碼示例，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。然後模型的輸入形式如下：

[CLS] 句子 [SEP] 扁平化表格 [SEP]

微調

該模型在32個Cloud TPU v3核心上進行了80,000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14小時。使用的優化器是Adam，學習率為2e-5，熱身比率為0.05。更多詳細信息請參閱論文（附錄A2）。

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}
}

@inproceedings{2019TabFactA,
  title={TabFact : A Large-scale Dataset for Table-based Fact Verification},
  author={Wenhu Chen, Hongmin Wang, Jianshu Chen, Yunkai Zhang, Hong Wang, Shiyang Li, Xiyou Zhou and William Yang Wang},
  booktitle = {International Conference on Learning Representations (ICLR)},
  address = {Addis Ababa, Ethiopia},
  month = {April},
  year = {2020}
}

📄 許可證

本模型使用的許可證為Apache-2.0。