本研究提出了一个基于编码器 - 解码器结构的深度学习模型，用于将表格图像转换为 HTML 代码，并使用一种新的基于 Tree-Edit-Distance 相似度（TEDS）度量方法实现表格识别，实验结果表明所提出的模型在复杂表格识别方面具有优秀的表现。

Nov, 2019

通过自动提取医疗文本中的医疗决策树，我们提出了一种新的任务 Text2MDT，探索构建临床决策支持系统的能力。使用两种方法进行 Text2MDT 任务的研究，一个是只依赖大型语言模型（LLM）指导的端到端框架，另一个是将 Text2MDT 任务分解为三个子任务的流水线框架。实验结果表明，使用 LLMs 的端到端方法在 Text2MDT 数据集上表现出色，优于流水线方法。

Jan, 2024

提出了一个新的表达层级结构的数据集 ESGDoc，以及一种构建模型和修改过程（CMM）的表目抽取框架，该框架通过考虑文本块的上下文信息来独立建模每个表目节点，并在处理任意长度的文档时展示出较好的性能和可扩展性。

Oct, 2023

TocBERT 是一个使用双向转换器进行文本分割的新解决方案，它通过从语义表示中检测标题和子标题来训练一个监督式的解决方案，该任务被制定为命名实体识别（NER）问题。它在医学文本分割应用中表现出色，用于细调 Bio-ClinicalBERT 模型以分割 MIMIC-III 数据集的出院总结，并在人工标注的 250 个注释数据集上取得了较高的 F1 分数。在线性文本分割问题上达到了 84.6％的 F1 分数，在分层文本分割问题上达到了 72.8％的 F1 分数，它在区分标题和副标题方面表现出色，超越了仔细设计的基于规则的解决方案。

Jun, 2024

从科学论文和财务报告等文件中提取表格内容，并将其转换为可以被大型语言模型处理的格式是知识信息处理中的一项重要任务。本文提出了一种多单元内容解码器和双向互相学习机制的端到端方法改进方案，通过两个大型数据集的实验结果表明，该方法在性能上与最先进的模型相当，甚至对于包含大量单元的长表格也能达到可比较的性能。

Apr, 2024

本文提出了一种基于序列到序列学习的模型，用于将非结构化文本与本体树中的任意数量术语进行标记，并在自动分配 MeSH 术语给生物医学摘要的重要任务上，优于现有方法。

Oct, 2018

深度学习模型可使用 Hierarchical Attention 的编码 - 解码方法来提高结构化表格的自然语言 summarization，并在 WEATHERGOV 数据集中实验，得到了～30% 的提升。

Apr, 2018

本研究提出了一种基于多模态方法的表格理解框架，该框架可以有效地提取表格键值对，并应用于医疗表格和 FUNSD 等基准数据集上，实验证明方法的有效性。

Oct, 2020

本文提出了一种新的表格结构识别模型，通过引入新的对象检测解码器和基于 transformer 的解码器，能够更准确地提取表格内容并处理各种形式的表格。

Mar, 2022

本研究提出了一种基于 Tree-enhanced Multimodal Attention Network (TreeMAN) 的方法，将 EHR 中的结构化医疗数据和文本特征融合成多模态表示。通过决策树学习，TreeMAN 能够更好地捕捉 ICD 编码的决定性信息。实验证明，该方法优于现有 ICD 编码方法。

May, 2023