استرجاع نص الجدول المعالج من الضوضاء للإجابة على الأسئلة في نطاق مفتوح

في مهام الإجابة على الأسئلة المفتوحة النطاق التي تعتمد على الجداول والنصوص، تقوم أنظمة الاسترجاع باسترجاع الأدلة ذات الصلة من الجداول والنصوص للإجابة على الأسئلة. تواجه الدراسات السابقة في هذا المجال تحديين شائعين: أولاً، يمكن أن تتأثر أنظمة الاسترجاع بعلامات خاطئة (false-positive) في مجموعات التدريب؛ وثانياً، قد تواجه صعوبة في تقديم أدلة مناسبة للأسئلة التي تتطلب استنتاجاً منطقياً عبر الجدول. لمعالجة هذه المشكلات، نقترح نموذجاً جديداً يُسمى "مُسترجِع الجداول والنصوص المُنظّف" (Denoised Table-Text Retriever - DoTTeR). يعتمد نهجنا على استخدام مجموعة تدريب منظفة تقل فيها عدد العلامات الخاطئة، وذلك عن طريق استبعاد الحالات التي تُظهر درجات منخفضة في الصلة بالسؤال، حيث يتم قياس هذه الدرجات باستخدام نموذج كشف العلامات الخاطئة. ثم، ندمج معلومات الترتيب على مستوى الجدول في نظام الاسترجاع، بهدف مساعدة النظام في العثور على الأدلة المناسبة للأسئلة التي تتطلب استنتاجاً متقاطعاً عبر الجدول. ولتمثيل هذه المعلومات، نقوم بتحسين نموذج ترميز العمود القائم على التمييز بالترتيب (rank-aware column encoder)، بحيث يتمكن من تحديد القيم الدنيا والقصوى داخل عمود معين. أظهرت النتائج التجريبية أن DoTTeR يتفوق بشكل ملحوظ على النماذج القوية في المقارنات على معايير استرجاع الدقة (retrieval recall) والمهام اللاحقة للإجابة على الأسئلة (downstream QA). يمكن الوصول إلى الكود الخاص بنا من خلال الرابط التالي: https://github.com/deokhk/DoTTeR.