TaCube：预计算数据立方体以回答表格数据上的数值推理问题
信息检索
2022-05-26 v1
摘要
现有的自回归预训练语言模型（PLMs）如 T5 和 BART，已分别由 UNIFIEDSKG 和 TAPEX 很好地应用于表格问答，并在多个基准上展示了最先进的结果。然而，自回归 PLMs 受到近期涌现的数值推理数据集（如 TAT-QA）的挑战，原因在于易出错的隐式计算。本文提出 TaCube，提前对表格的聚合/算术结果进行预计算，从而便于 PLMs 随时可用地回答数值推理问题。TaCube 系统且全面地覆盖了表格片段上的一组计算操作。通过将 TaCube 简单拼接至 PLMs 的输入序列，其展现出显著的实验有效性。TaCube 在 TAT-QA 上将 F1 分数从 49.6% 提升至 66.2%，并在 WikiTQ（59.6% 符号准确率）上取得新的最先进结果。TaCube 在数值推理案例上的提升更为显著：在 TAT-QA 上，TaCube 将 BART-large 的精确匹配准确率在求和上提升 39.6%、平均上 52.5%、减法上 36.6%、除法上 22.2%。我们认为 TaCube 是一种通用且可移植的预计算方案，有望集成至各类数值推理框架。
引用
@article{arxiv.2205.12682,
title = {TaCube: Pre-computing Data Cubes for Answering Numerical-Reasoning Questions over Tabular Data},
author = {Fan Zhou and Mengkang Hu and Haoyu Dong and Zhoujun Cheng and Shi Han and Dongmei Zhang},
journal= {arXiv preprint arXiv:2205.12682},
year = {2022}
}