文本到表格：一种信息抽取的新范式

我们研究一种信息抽取（IE）的新问题设定，称为文本到表格（text-to-table）。在文本到表格中，给定一段文本，需创建一张或若干张表格来表达文本主要内容，而模型从文本-表格对数据中学习。该问题设定不同于现有IE方法。首先，抽取可从长文本到大且具有复杂结构的表格进行。其次，抽取完全由数据驱动，无需显式定义模式（schema）。据我们所知，此前尚无研究该问题的工作。本文中将文本到表格形式化为序列到序列（seq2seq）问题。我们首先采用从预训练语言模型微调的seq2seq模型来执行该任务。我们还在seq2seq方法内开发了新方法，利用表格生成中的两种附加技术：表格约束与表格关系嵌入。我们将文本到表格视为已被充分研究的表格到文本的逆问题，并在实验中利用四个现有表格到文本数据集进行文本到表格。实验结果显示，朴素seq2seq模型可胜过使用关系抽取与命名实体抽取的基线方法。结果还显示我们的方法能进一步提升朴素seq2seq模型的性能。我们进一步讨论了所提任务的主要挑战。代码与数据见 https://github.com/shirley-wu/text_to_table。