基于LLM代理的复杂语义表格注释方法
计算与语言
2025-08-19 v1 数据库
摘要
语义表格注释（Semantic Table Annotation, STA）任务包括列类型注释（Column Type Annotation, CTA）和单元格实体注释（Cell Entity Annotation, CEA），将表格内容映射到本体实体，在各种语义应用中发挥重要作用。然而，复杂表格常常面临语义列名或单元格值丢失、严格的本体层次结构要求、同名、拼写错误和缩写等挑战，这会阻碍注释的准确性。为了解决这些问题，本文提出一种基于 LLM 的代理方法来进行 CTA 和 CEA。我们设计并实现了五个基于 ReAct 框架的外部工具，配合量身定制的提示词，使 STA 代理能够根据表格特征动态选择合适的注释策略。在来自 SemTab 挑战的 Tough Tables 和 BiodivTab 数据集上进行实验，这些数据集包含上述挑战。我们的方法在各种指标上均优于现有方法。此外，利用 Levenshtein 距离减少冗余注释，我们实现了时间成本降低 70% 且 LLM token 使用降低 60%，为 STA 提供了高效且具成本效益的解决方案。
引用
@article{arxiv.2508.12868,
title = {An LLM Agent-Based Complex Semantic Table Annotation Approach},
author = {Yilin Geng and Shujing Wang and Chuan Wang and Keqing He and Yanfei Lv and Ying Wang and Zaiwen Feng and Xiaoying Bai},
journal= {arXiv preprint arXiv:2508.12868},
year = {2025}
}