ACLSep, 2023

通过语法和结构感知的密集检索增强开放域表格问答

PDF
TL;DR提出了一种语法和结构感知的开放域表格问题回答方法，通过提供问题的语法表示和利用表格的结构头部和数值表示来避免细粒度的句法和结构信息丢失，实验结果表明该方法在 NQ-tables 数据集上达到了最先进的效果，并在一个新的开放域 Text-to-SQL 数据集上超越了强基线。
open-domain table question answeringtable retrievalsyntax- and structure-aware retrievalsyntactical representationsstructural header and value representations
发现论文，激发创造
  • 基于密集检索的表格开放领域问答

    本研究针对开放领域问题回答系统的表格数据提出了一种有效的检索方法，并通过训练和挖掘难例等技术，提高了回答的准确性和表现。

    Mar, 2021

  • 面向开放域问答的混合文本和表格证据的双重阅读器 - 解析器

    本文提出一种混合型框架，将文本和表格式证据作为输入，根据问题生成直接答案或 SQL 查询，并在几个开放领域问题回答（ODQA）数据集上表现出了明显优于基线模型的表现。在详细的分析中，证明生成结构化 SQL 查询将始终带来收益，尤其是对于那些需要复杂推理的问题。这是第一个将 Text2SQL 应用于 ODQA 任务的论文。

    Aug, 2021

  • 表格与文本的开放式问题回答

    该论文研究了开放式问答系统（QA）在同时检索结构化表格和非结构化文本数据时的困难之处，并提出了两种新技术以提高检索准确率，让模型的精确匹配得分提高至 27% 以上，这为该领域的未来研究提供了重要的参考价值。

    Oct, 2020

  • Open-WikiTable: 一个用于开放域复杂推理表格问答的数据集

    本研究释出了 Open-WikiTable 数据集，开创了第一个需要对表格进行复杂推理的开放域问题回答（ODQA）数据集，旨在通过对 WikiSQL 和 WikiTableQuestions 的集成，更好地利用表格的结构性质。

    May, 2023

  • 一种带有统一知识接口的开放领域问答系统

    本文提出了一种基于数据和文本的统一问答框架 UDT-QA，并使用数据到文本方法将 Wiki 百科中的表格和 Wikidata 中的图表达为口语化信息，以扩展知识索引。实验证明，该方法取得了自然问答 (Single-model state-of-the-art) 的最佳成果，并表明对于调整和热插拔的两种情况，口语化知识的优先考虑可以优化答案推理。

    Oct, 2021

  • 半结构表上的组合语义分析

    通过使用问题 - 答案对作为监督，本文在半结构化表格中回答复杂问题的新任务上同时提高了语义解析的知识源的广度和逻辑复合度的深度，提出了一种由强类型约束引导的逻辑形式驱动的解析算法，并创建了一个新的包含 22,033 个复杂问题的维基百科表格数据集进行了评估。

    Aug, 2015

  • 表格问答调查：最新进展

    该研究调查了目前表格问答的数据集和方法，并将现有的表格问答方法分类为五类，即基于语义解析的、生成式的、提取式的、基于匹配的和检索式的方法。此外，研究还提出了该领域的一些主要挑战和未来方向。

    Jul, 2022

  • 表检索问题是否已解决？联结感知多表检索

    通过考虑表 - 查询关联和表 - 表关联，我们提出了一种改进的表检索方法，能够准确回答开放域问题，并取得了 9.3% 的 F1 得分和 5.4% 的准确率提升。

    Apr, 2024

  • 先增强后实践：通过表格扩展实现知识增强问答

    本研究提出了一种简单而有效的方法，用于在给定的表格中集成外部信息，通过构建一个包含缺失信息的增强表格，然后生成两个表格的 SQL 查询来回答问题。实验证明，我们的方法在三个表格问答基准测试上优于强基准模型。

    Jan, 2024

  • 航空行业复杂表格的问答数据集

    该研究主要介绍了一个针对航空业公司数据集的领域特定的表格问答数据集 AIT-QA，分析了使用 Transformer 模型进行 Table QA 的现有方法在处理领域特定的表格数据时面临的挑战，并提出了一些实用的表格预处理步骤。

    Jun, 2021