定位、检索与融合：一种面向表格自由形式问答的通用框架
计算与语言
2023-09-22 v2
摘要
基于表格数据的问答（即 TableQA）旨在根据所给表格生成问题答案，近来受到广泛关注。已有工作主要通过从单个或有限表格单元格中抽取信息来生成简洁的事实性回复，缺乏跨不同表格单元格进行推理的能力。然而，自由形式 TableQA 这一领域要求采用复杂策略来选择相关表格单元格，并对离散数据片段进行精细整合与推断，目前基本尚未被探索。为此，本文提出一种通用的三阶段方法：表格转图与单元格定位、外部知识检索、以及表格与文本的融合（称为 TAG-QA），以应对生成式 TableQA 中推断长自由形式答案的挑战。具体而言，TAG-QA（1）利用图神经网络定位相关表格单元格，以聚集相关行与列之间的交叉单元格，（2）利用来自 Wikipedia 的外部知识，（3）通过整合表格数据与自然语言信息来生成答案。实验展示了 TAG-QA 在生成忠实且连贯的句子方面的优越能力，尤其是与若干 SOTA 基线相比。值得注意的是，TAG-QA 在 BLEU-4 和 PARENT F-score 上分别超越基于流水线的强基线 TAPAS 达 17% 和 14%。此外，TAG-QA 在 BLEU-4 和 PARENT F-score 上分别超越端到端模型 T5 达 16% 和 12%。
引用
@article{arxiv.2309.11049,
title = {Localize, Retrieve and Fuse: A Generalized Framework for Free-Form Question Answering over Tables},
author = {Wenting Zhao and Ye Liu and Yao Wan and Yibo Wang and Zhongfen Deng and Philip S. Yu},
journal= {arXiv preprint arXiv:2309.11049},
year = {2023}
}
备注
Accepted by AACL-IJCNLP 2023