面向大型半结构化表格的问答
计算与语言
2025-08-05 v2 人工智能
数据库
摘要
由于以半结构化表格形式呈现的网络信息十分普遍，表格问答（TableQA）引起了广泛关注。尽管已有诸多努力，针对大型表格的 TableQA 仍是一个开放性挑战。这是因为大型表格可能会使试图全面理解它们以定位问题答案的模型不堪重负。近期的研究通过生成程序解析表格，将其分解为更小的、与问题相关的子表格，从而减小输入表格的规模。然而，此类解决方案容易受到程序生成和执行错误的影响，且难以保证分解质量。为解决这一问题，我们提出了 TaDRe，一种结合了表格分解前后双重优化以确保表格分解质量的 TableQA 模型，从而实现高精度的 TableQA 结果。为了评估 TaDRe，我们通过 LLM 驱动的表格扩展和问答对生成，构建了两个新的大型表格 TableQA 基准。在新的和公开的基准上的大量实验表明，TaDRe 在大型表格 TableQA 任务上取得了 SOTA 性能。
引用
@article{arxiv.2502.13422,
title = {Towards Question Answering over Large Semi-structured Tables},
author = {Yuxiang Wang and Junhao Gan and Jianzhong Qi},
journal= {arXiv preprint arXiv:2502.13422},
year = {2025}
}