Volta 在 SemEval-2021 任务 9 中的工作：基于 TAPAS 与迁移学习利用表格进行陈述验证与证据查找
计算与语言
2021-06-18 v2
摘要
表格被广泛用于各类文档中以简洁地呈现信息。理解表格是一个具有挑战性的问题，需要理解语言和表格结构，以及数值与逻辑推理。本文介绍我们解决 SemEval-2021 任务 9 的系统：基于表格的陈述验证与证据查找（SEM-TAB-FACTS）。该任务包含两个子任务：(A) 给定表格与一条陈述，预测表格是否支持该陈述；(B) 预测表格中哪些单元格为该陈述提供支持/反对的证据。我们对两个子任务均微调 TAPAS（一种扩展 BERT 架构以捕捉表格结构的模型），因其在多项表格理解任务中展现出最先进的性能。在子任务 A 中，我们评估迁移学习以及将表格标准化为单一表头行如何提升 TAPAS 的性能。在子任务 B 中，我们评估不同微调策略如何提升 TAPAS 的性能。我们的系统在子任务 A 的三分类中取得 67.34 的 F1 分数，在子任务 A 的二分类中取得 72.89，在子任务 B 中取得 62.95。
引用
@article{arxiv.2106.00248,
title = {Volta at SemEval-2021 Task 9: Statement Verification and Evidence Finding with Tables using TAPAS and Transfer Learning},
author = {Devansh Gautam and Kshitij Gupta and Manish Shrivastava},
journal= {arXiv preprint arXiv:2106.00248},
year = {2021}
}
备注
9 pages, accepted at SemEval-2021 co-located with ACL-IJCNLP 2021