S$^3$HQA：一种用于多跳文本-表格混合问答的三阶段方法

基于给定文本与表格中混合事实知识回答多跳问题（TextTableQA）是一项具有挑战性的任务。现有模型主要采用检索器-阅读器框架，存在若干缺陷，如训练检索器时的噪声标注、文本与表格上异构信息利用不足，以及不同推理操作能力欠缺。本文提出三阶段TextTableQA框架S3HQA，包含检索器、选择器和推理器。我们使用带精炼训练的检索器解决噪声标注问题。随后，混合选择器考虑异构数据间的链接关系以选择最相关事实知识。在最后阶段，不同于以往方法采用阅读理解模块，我们采用基于生成的推理器获取答案，包括两种途径：行式生成器与LLM提示生成器（首次用于该任务）。实验结果表明，我们的方法在少样本设定下取得有竞争力的结果。在完整数据集上训练时，我们的方法优于所有基线方法，在HybridQA排行榜上排名第一。