CORNET 演示：通过示例学习电子表格格式规则的系统

Aug, 2023

CORNET 演示：通过示例学习电子表格格式规则的系统

Demonstration of CORNET: A System For Learning Spreadsheet Formatting Rules By Example

Mukul Singh, Jose Cambronero, Sumit Gulwani, Vu Le, Carina Negreanu...

TL;DRCORNET 是一个利用数据样本自动学习条件格式化规则的系统，通过运用归纳程序合成、基于半监督聚类和迭代决策树学习的符号规则枚举以及神经排序器等方法，能够自动生成准确的条件格式化规则，它可以作为微软 Excel 的简单插件，通过用户提供的示例单元格，为用户生成适用于电子表格的格式化规则建议。

Abstract

data management and analysis tasks are often carried out using spreadsheet software. A popular feature in most spreadsheet platforms is the ability to define data-dependent formatting rules. These rules can express actions such as "color red all entries in a column that are negative" o

data management spreadsheet software conditional formatting inductive program synthesis cornet

发现论文，激发创造

CORNET：通过示例学习表格格式规则

CORNET 是一种基于归纳式编程和神经排序器相结合的系统，旨在通过从带格式单元格的用户示例中学习条件格式规则来处理自动格式化类的表格。

Aug, 2022

Auto-Formula: 使用对比学习的表格表示推荐电子表格中的公式

通过学习和应用已存在于类似电子表格中的公式，使用类似于计算机视觉中的 “相似人脸识别” 的对比学习技术，我们开发了一种名为 Auto-Formula 的系统，可以准确预测用户想要在目标电子表格单元格中编写的公式。

Apr, 2024

FORTAP: 使用公式进行数值推理感知表格预训练

本研究提出了 FORTAP，通过利用海量电子表格公式语料库设计两个公式预训练任务，利用电子表格公式自然而然的强数值推理监督来实现表格预训练。研究结果表明，FORTAP 在单元格类型分类和公式预测任务上取得了最先进的结果，展示了数值推理预训练的巨大潜力。

Sep, 2021

FormaT5：条件表格式化的禁止和示例与自然语言

FormaT5 是一种基于 Transformer 的模型，能够根据目标表格和自然语言描述生成数据相关的条件格式规则。通过预测占位符并进行填充，FormaT5 在优化条件格式规则的指导下，在各种真实场景中优于其他 8 种神经方法。

Oct, 2023

SpreadsheetCoder：基于半结构化上下文的公式预测

通过使用半结构化表格数据和表头，我们提出了第一个从表格语境中综合电子表格公式的方法，包括行和列格式的电子表格中的表格上下文。具体而言，我们提出了基于 BERT 的模型体系结构 SpreadsheetCoder，在大型电子表格数据集上对我们的模型进行了训练，并证明了其在表格上下文中表现出的高准确度。

Jun, 2021

ExceLint: 自动发现电子表格公式错误

本文提出了一种静态分析方法 ExceLint，主要对电子表格中的公式错误进行检测，通过信息理论的方法识别对其方形区域影响大的异常值，是一种在 Microsoft Excel 上开发的快速高效的电子表格分析工具。

Jan, 2019

自然语言查询生成电子表格公式

介绍了一项名为 NL2Formula 的新型基准任务，通过提供自然语言查询作为输入，生成与电子表格表格相关的可执行公式，并构建了包含 70,799 个成对的自然语言查询和对应电子表格公式的全面数据集，验证了 fCoder 的有效性和优越性。

Feb, 2024

带有有限域约束满足的增强电子表格计算

本文介绍了如何将表格计算范式扩展以解决约束满足问题，并构建了一种特定于电子表格的约束语言以更好地支持可视化环境下的约束规范。

Feb, 2022

FLAME：适用于电子表格公式的小型语言模型

FLAME 是一个基于 T5 的模型，通过在 Excel 公式中利用领域洞察力， using sketch deduplication，introduce an Excel-specific formula tokenizer and use domain-specific versions of masked span prediction and noisy auto-encoding aspretraining objectives，将模型数量大幅减少（60M parameters）和训练数据量两个数量级。FLAME 优于 Codex-Davinci（175B），Codex-Cushman（12B）和 CodeT5（220M）等较大的模型，可广泛应用于公式修复、公式自动完成以及语法重构等方面。

Jan, 2023

通过自然语言推理增强预训练语言模型的自一致性和性能

本文提出了一种基于预训练自然语言推理模型（NLI）的一致性校正框架 ConCoRD，用于提高预训练自然语言处理（NLP）模型的一致性和准确性。该框架不需要重新训练或调整，通过建立一个权重的最大可满足性解决器来提高模型预测的准确性和一致性。实验结果表明，该方法可以提高现成的闭卷问答（QA）和视觉问答（VQA）模型的准确性，并提高 LXMERT 在 ConVQA 数据集上的准确率。

Nov, 2022