表格问答研究综述
Researches on Question Answering Over Tables:A Survey
张洪廙 1李韧 1杨建喜 1杨小霞 1肖桥 1蒋仕新 1王笛1
作者信息
- 1. 重庆交通大学 信息科学与工程学院,重庆 400074
- 折叠
摘要
表格问答通过自然语言问句直接与表格数据进行交互并得到答案,是智能问答的主要形式之一.近年来,研究人员利用以语义解析为主的技术在该领域开展了深入研究.该文从不同表格类型分类及其问答任务问题定义出发,将表格问答细分为单表单轮、多表单轮、多表多轮式问答三种任务,并系统介绍了各类表格问答任务的数据集及其代表性方法.其次,该文总结了当前主流表格预训练模型的数据构造、输入编码以及预训练目标.最后,探讨当前工作的优势与不足,并分析了未来表格问答的前景与挑战.
Abstract
Table question answering(Table QA)directly gets answers form table data through natural language,which is one of the main forms of intelligent question answering.Recently,researchers pay great attention to resolve this task by semantic parsing.In this paper,we divide Table QA tasks into three types:single-table single-turn,multi-table single-turn,and multi-table multi-turn.This paper provides a systematic introduction to datasets and representative methods of various types of Table QA tasks.It also summarizes the data construction,input enco-ding,and pre-training objectives of the table pre-training models.Finally,we explore the strengths and weaknesses of current work,and discuss the future prospects and challenges of Table QA.
关键词
表格问答/语义解析/自然语言处理/综述Key words
table question answering/semantic parsing/natural language processing/survey引用本文复制引用
基金项目
国家自然科学基金(62003063)
重庆市教委科学技术研究项目(KJQN202200720)
重庆交通大学研究生科研创新项目(2023s0084)
出版年
2024
NETL
NSTL
万方数据