SIGIRMay, 2021

使用多粒度图表示学习检索复杂表格

PDF
TL;DR提出了一种基于图的表格检索框架，该框架可以通过学习多颗粒度图表表示来处理复杂的布局，包括表头嵌套，进而实现自然语言表检索问题的泛化。
natural language table retrievalgraph-based table retrievalmulti-granular graph representation learningself-supervised pre-training taskgeneralization
发现论文，激发创造
  • TGRNet: 用于表格结构识别的表格图重建网络

    本文在于研究表格结构识别问题，提出了一种端到端可训练的表格图重建神经网络 TGRNet，该方法成功地解决了表格的结构识别问题。

    Jun, 2021

  • HGT: 利用异构图增强的大型语言模型进行少样本复杂表格理解

    通过 HGT 框架，利用异构图增强的大型语言模型来处理少样本的表格理解任务，并通过多任务预训练方案以及三个新颖多粒度自监督异构图预训练目标来处理复杂表格，实验证明了 HGT 的有效性，并在多个基准测试中胜过 SOTA。

    Mar, 2024

  • 大型语言模型是复杂的表格解析器

    本文中，我们提出了在复杂表格问答中引入 GPT-3.5 的方法来解决相关挑战，通过重构复杂表格为元组并使用特定的提示设计对话框，将每个单元格的层次结构、位置信息和内容编码为一个元组，并通过加强提示模板的解释说明每个元组的含义和任务的逻辑推理过程，有效提高了 GPT-3.5 对复杂表格的层次结构感知能力，从而更好地解析复杂表格。通过大量的实验证明，我们的方法在复杂表格问答数据集 HiTAB 和航空领域数据集 AIT-QA 上显著优于先前的工作，取得了最先进的性能。

    Dec, 2023

  • CLTR: 一种基于 Transformer 的细胞级表格检索与表格问答系统

    本研究提出了一种基于 Transformer 的端到端表格问答系统，可以将自然语言问题和大量表格语料库输入，以检索最相关的表格并定位正确的单元格以回答问题．该系统可以生成复杂表格上的候选列和行的热图，并允许用户快速标识回答问题的正确单元格．此外，研究提出了两个新的开放领域基准测试，E2E_WTQ 和 E2E_GNQ，旨在验证 CLTR 以及适用于未来的表格检索和端到端表格 QA 研究和实验．

    Jun, 2021

  • 使用双向门控循环单元网络进行表格结构提取

    本文提出了一种基于深度学习的方法，它首先对表格图像进行预处理，然后将其输入到具有门控循环单元（GRU）的双向循环神经网络中，最终将结果分类为行分隔符或列分隔符。该方法在表格结构提取方面取得了显著的性能提升。

    Jan, 2020

  • 使用图神经网络重新思考表格识别

    本文提出一种基于图网络架构的表格识别方法，在视觉特征提取方面融合了卷积神经网络的优势；实验证明该方法优于基准线方法。此外，为了解决大规模数据集问题，文中提出了一种合成数据集，并开源了数据集生成及图网络训练框架，以推进研究的可复制性。

    May, 2019

  • 面向无监督复杂表格推理的统一框架

    本文提出了一种适用于表格推理任务的统一的无监督框架（UCTR），该框架通过生成复杂逻辑的充足和多样化的合成数据，使得模型能够在无人标注数据的情况下获得良好的推理性能。该方法在实验中表现出了与监督模型最多 93% 的性能，并在低资源领域作为数据增强技术大幅提高了监督性能。

    Dec, 2022

  • 神经协同图机器用于表结构识别

    本文提出了基于深度图模型的神经协作图机器（Neural Collaborative Graph Machines，NCGM）用于异构表结构识别，通过堆叠协作块交替提取内部模态上下文，并分层地建模内部 - 内部、内部 - 外部及外部 - 外部间的跨模态关系，从而实现更加鲁棒的表格元素识别效果。通过对比实验，验证了该方法对处理不同种类和多样复杂表格的性能比其他现有方法更优。

    Nov, 2021

  • 图神经网络方法用于表格中的语义类型检测

    这项研究解决了在关系表中检测语义列类型的挑战，提出了一种使用图神经网络的新方法，既改进了预测准确度，又允许语言模型聚焦于不同关系表的信息，并在语义类型检测方面优于现有的算法。

    Apr, 2024

  • TableGPT：将表格、自然语言和指令统一为一体的 GPT 模型

    TableGPT 是一个统一的 fine-tuned 框架，它使用外部功能命令使大型语言模型能够理解和操作表格，具有与表格无缝交互的能力，使数据操作、可视化和报告生成更加简便、易用、高效，其核心概念是全局表格表示，同时支持数据流程、查询拒绝、私有部署等功能，可以更好地适应特定的使用情况。

    Jul, 2023