@inproceedings{Zhang-etal-2023-ji
    author = {张, 腾勋  and  许, 鸿飞  and  约瑟夫·范·吉纳比斯  and  熊, 德意  and  昝, 红英},
    author = {Tengxun, Zhang  and  Hongfei, Xu  and  Joseph, Van Ginabis  and  Deyi, Xiong  and  Hongying Zan},
    title = {基于软掩码增强数值表示的表格-文本混合问答(Hybrid Tabular-Textual Question Answering Based on SoftMasking Enhanced Numerical Representation)},
    booktitle = {"Findings of the Proceedings of the 22nd China National Conference on Computational Linguistics"},
    month = {"August"},
    year = {"2023"},
    address = {"Harbin, China"},
    publisher = {"Chinese Information Processing Society of China"},
    url = {https://aclanthology.org/2023.findings-ccl-1.1},
    pages = {1--12},
    abstract = {"表格-文本混合问答需要从异质数据中进行数值推理得到答案，当前的研究将问题、表格、文本拼接作为输入，直接使用LSTM作为解码器生成操作数，但输入中包含太多的不相关数值和文本信息，如何从中抽取数值推理需要的数值是此任务面临的重要挑战之一。本文提出一种新的软掩码方法增强数值抽取的性能，通过软掩码不相关的数值和文本，然后再送入解码器中生成操作数。本文在ConvFinQA和MultiHiertt数据 集 上 进 行 实 验 ， 结 果 表 明 通 过 软 掩 码 增 强 数 值 表 示 可 显 著 提 升 模 型 的 性 能（+3.09/+2.96 Exe/Prog Acc和+5.29/+3.45 EM/F1）。本文还通过消融实验分析软掩码相对于硬掩码的优势，并讨论了当前表格-文本混合问答的局限性与未来方向。"},
    language = "Chinese",
}