在WikiTable问题（WTQ）上微调的TAPAS基础模型

这个模型有2个可用版本。默认版本对应于 original Github repository 的 tapas_wtq_wikisql_sqa_inter_masklm_base_reset 检查点。这个模型首先在MLM上进行预训练，然后进行了作者称之为中间预训练的额外步骤，在 SQA ， WikiSQL 和最后的 WTQ 上进行了链式微调。它使用了相对位置嵌入（即在每个表格单元格处重新设置位置索引）。

另一个（非默认）可用的版本是：

• no_reset，对应于tapas_wtq_wikisql_sqa_inter_masklm_base（中间预训练，绝对位置嵌入）。

声明：发布TAPAS的团队没有为这个模型编写模型卡片，所以这个模型卡片是由Hugging Face团队和贡献者编写的。

结果

模型描述

TAPAS是一个类似BERT的transformers模型，以自监督的方式在大规模英文数据（来自维基百科）上进行预训练。这意味着它只在原始表格和相关文本上进行了预训练，而没有以任何方式人工标记它们（这就是为什么它可以使用大量的公开数据），并且使用自动过程从这些文本中生成输入和标签。更确切地说，它通过两个目标进行预训练：

• 掩码语言建模（MLM）：将（扁平化的）表格和相关上下文作为输入，模型随机屏蔽输入中的15％的单词，然后将整个（部分屏蔽的）序列通过模型运行。然后模型必须预测被屏蔽的单词。这与传统的递归神经网络（RNN）通常一次看到一个单词或类似GPT的自回归模型内部屏蔽未来标记的方式不同。它允许模型学习表格和相关文本的双向表示。
• 中间预训练：为了鼓励在表格上进行数值推理，作者额外进行了模型的预训练，创建了一个平衡的数百万个句法生成训练样本的数据集。在这里，模型必须预测（分类）句子是否由表格的内容支持或驳斥。训练样本基于合成的和反事实的陈述创建。

这样，模型学习了英文语言在表格和相关文本中的内部表示，然后可以用于提取用于下游任务的特征，例如回答关于表格的问题，或确定句子是否被表格的内容包含或驳斥。微调是通过在预训练模型之上添加一个单元格选择头和聚合头，并与基础模型一起训练这些随机初始化的分类头，然后在SQa、WikiSQL和最后的WTQ上进行的。

预期的用途和限制

您可以使用这个模型来回答与表格相关的问题。

有关代码示例，我们参考TAPAS在HuggingFace网站上的文档。

训练过程

预处理

文本转换为小写并使用WordPiece进行标记化，词汇表大小为30,000。模型的输入格式为：

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

作者首先使用自动转换脚本将WTQ数据集转换为SQA的格式。

微调

在32个Cloud TPU v3核上，将模型微调了50,000步，最大序列长度为512，批次大小为512。在此设置中，微调需要约10小时。使用的优化器是Adam，学习率为1.93581e-5，预热比率为0.128960。添加归纳偏差，使模型只选择同一列的单元格。这通过TapasConfig的select_one_column参数来反映。有关更多细节，请参阅 paper （表格11和12）。

BibTeX条目和引用信息

@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}
}