表格问答研究综述  

Researches on Question Answering Over Tables:A Survey

作　　者：张洪廙 李韧[1] 杨建喜[1] 杨小霞 肖桥 蒋仕新 王笛 ZHANG Hongyi;LI Ren;YANG Jianxi;YANG Xiaoxia;XIAO Qiao;JIANG Shixin;WANG Di(School of Information Science and Engineering,Chongqing Jiaotong University,Chongqing 400074,China)

机构地区：[1]重庆交通大学信息科学与工程学院,重庆400074

出　　处：《中文信息学报》2024年第4期1-16,共16页Journal of Chinese Information Processing

基　　金：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)。

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。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 encoding,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 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]