MultiTabQA：面向多表问答的表格答案生成
计算与语言
2023-08-09 v2 人工智能
摘要
近期大语言模型在表格问答（QA）上的进展受其覆盖限制，仅能回答单张表上的问题。然而，现实世界的查询本质复杂，常涉及关系数据库或网页中的多张表。单表问题不涉及集合操作、笛卡尔积（连接）或嵌套查询等常见表操作。此外，多表操作常产生表格输出，这需要表格QA模型具备表格生成能力。为填补此空白，我们提出一个在多表上回答问题的新任务。我们的模型MultiTabQA不仅能在多表上回答问题，还泛化以生成表格答案。为支持有效训练，我们构建了一个包含132,645条SQL查询与表格答案的预训练数据集。进一步，我们通过引入评估表结构不同粒度的、严格程度各异的表格特定指标来评估生成的表格。MultiTabQA在Spider、Atis和GeoQuery三个数据集上通过微调超越适配至多表QA设置的SOTA单表QA模型。
引用
@article{arxiv.2305.12820,
title = {MultiTabQA: Generating Tabular Answers for Multi-Table Question Answering},
author = {Vaishali Pal and Andrew Yates and Evangelos Kanoulas and Maarten de Rijke},
journal= {arXiv preprint arXiv:2305.12820},
year = {2023}
}
备注
Accepted at ACL-2023