摘要

在表格与文本开放域问答任务中，检索系统需从表格和文本中检索出与问题相关的证据以生成答案。以往针对表格与文本开放域问答的研究面临两个常见挑战：其一，其检索模型在训练过程中易受训练数据集中假阳性标签的影响；其二，对于需要跨表格进行推理的问题，现有方法往往难以提供恰当的证据。为应对上述问题，我们提出了一种去噪表格-文本检索器（Denoised Table-Text Retriever, DoTTeR）。该方法首先通过一个假阳性检测模型，对训练样本进行评估并筛选出问题相关性得分较低的实例，从而构建一个包含更少假阳性标签的去噪训练数据集；随后，我们将表格级别的排序信息引入检索器，以辅助识别需要跨表格推理的问题所需的相关证据。为有效编码此类排序信息，我们对一个具备排序感知能力的列编码器进行微调，使其能够识别列中的最小值与最大值。实验结果表明，DoTTeR在检索召回率以及下游问答任务上均显著优于多个强基线模型。相关代码已开源，地址为：https://github.com/deokhk/DoTTeR。