基于图编码器与树解码器的表-文混合内容数值推理问答
计算与语言
2022-10-21 v2
摘要
在真实世界的问答场景中，结合表格与文本内容的混合形式日益受到关注，其中数值推理问题是最典型且最具挑战性的问题之一。现有方法通常采用编码器-解码器框架来表示混合内容并生成答案。然而，其在编码器端无法捕捉数值、表结构与文本信息之间的丰富关系；解码器使用简单的预定义算子分类器，不足以灵活处理具有多样表达的数值推理过程。为解决这些问题，本文提出一种具有树解码器的关系图增强混合表-文数值推理模型（RegHNT）。该模型将表-文混合内容上的数值问答建模为表达式树生成任务。此外，我们提出了一种新颖的关系图建模方法，对问题、表格与段落之间的对齐进行建模。我们在公开可用的表-文混合问答基准（TAT-QA）上验证了模型。所提出的 RegHNT 显著优于基线模型并取得了最先进（state-of-the-art）结果。我们已于 https://github.com/lfy79001/RegHNT 公开源代码与数据（2022-05-05）。
引用
@article{arxiv.2209.07692,
title = {Answering Numerical Reasoning Questions in Table-Text Hybrid Contents with Graph-based Encoder and Tree-based Decoder},
author = {Fangyu Lei and Shizhu He and Xiang Li and Jun Zhao and Kang Liu},
journal= {arXiv preprint arXiv:2209.07692},
year = {2022}
}
备注
Accepted by COLING 2022