SIGIRMay, 2020

对话式搜索中表格数据的总结和探索

PDF
TL;DR本文提出一种基于自然语言摘要的表格信息检索方法，并利用一个新的以对话为导向、面向开放领域的表格摘要数据集来构建 SOTA 基线系统，并指出了未来研究方向和挑战。
tabular datanatural language summariesconversation-orientedtable summarization datasetautomatic table summarization systems
发现论文，激发创造
  • QTSumm：面向查询的表格摘要新基准

    本研究定义了一个新的针对查询的表格摘要任务，并提出了一个新的名为 QTSumm 的基准测试，其中包含 5625 个在各种主题的 2437 个表格上人工注释的查询摘要对。实验结果和手动分析表明，我们的基准测试为未来的表格到文本生成研究提供了重要挑战和发展机会。

    May, 2023

  • 长文本和多表总结：数据集和方法

    旨在创造简明摘要以涵盖输入文档的要点信息。自动文档摘要对文本和非文本内容进行了讨论，提出了涵盖定量描述的关键指标的表格数据的重要性，提出了一个大规模数据集和三种摘要方法，还评估了评估指标

    Feb, 2023

  • 自动生成面向表格数据探索的对话界面

    采用聊天机器人来提供对表格数据源的交互式探索，可以使公民利用数据。聊天机器人是通过一种可配置的对话模式从数据源自动生成的。

    May, 2023

  • 填补鸿沟：利用大型语言模型解读表格数据

    大型语言模型在表格问答任务中的首次应用以增强模型对表格结构和内容的理解。

    Aug, 2023

  • 基于内容的 Web 查询表格检索

    本研究旨在解决自然语言处理中未结构化文本与半结构化表之间的关系问题，通过提出基于内容的表的检索方法，应用精心设计的特征和神经网络结构实现查找中最相关表格的目标，并发布了一个包含 21,113 个网络查询和 273,816 个表格的开放领域数据集，验证了该方法的有效性并提出了该任务的挑战。

    Jun, 2017

  • QFMTS: 生成多表输入的查询关注摘要

    我们提出了一种新方法来满足用户对表格总结的信息和质量要求，并且利用文本查询和多个表格生成与用户信息需求相适应的查询依赖的表格总结。我们通过使用特定于该任务的综合数据集展开了广泛的实验证明了我们提出的方法相对于基准方法的有效性，并为查询依赖的多表总结的研究进展提供了洞察。

    May, 2024

  • 面向科学推理的可控表格到文本生成

    我们提供了一个生成符合用户偏好的流畅且逻辑一致的科学表格数据描述的新任务，并通过构建一个具有高亮单元格和相应专业知识库的数据集，为这个方向的研究提供了基准，并提出了一种优于竞争方法的新架构。结果显示，大型模型在生成与用户偏好一致的准确内容方面存在困难。作为首创，我们的工作有望推动科学领域的进一步研究。

    Dec, 2023

  • 使用自然语言查询表格数据的 TableQuery

    TableQuery 是一种使用深度学习模型进行自然语言查询转化为结构化查询的工具，解决了传统深度学习方法在表格数据上存在的内存和实时更新的问题。

    Jan, 2022

  • HybriDialogue: 一个基于表格和文本数据的信息查询对话数据集

    本篇论文提出一个基于维基百科文本和表格的 HybriDialogue 数据集，通过将复杂的多跳问题分解为简单的、现实的多轮对话，创建了众包自然语言对话。针对该数据集，我们提出了检索、系统状态跟踪和对话响应生成任务，并进行了基线实验。实验结果表明，还有很大的改进空间，展示了构建可以在表格和文本上进行基于信息检索的复杂对话的更强大的对话系统的重要性。

    Apr, 2022

  • StatCan 对话数据集：通过具有真实意图的对话检索数据表

    该研究介绍了 StatCan Dialogue Dataset 数据集，并提出了基于该数据集的两个任务：（1）基于正在进行中的对话自动检索相关表格，（2）自动生成适当的代理响应。该研究发现基于该数据集的模型对未来的对话泛化能力不足，并且响应生成模型难以判断何时返回表格。由于任务对现有模型存在显著挑战，作者鼓励学术界开发特定于此任务的模型，以帮助知识工作者为在线用户找到相关图表。

    Apr, 2023