TorchicTab：基于Wikidata与语言模型的语义表格标注

大量表格数据存在并被各类应用广泛使用，但其中相当一部分缺乏必要的语义信息，导致用户和机器难以准确理解这些数据。这种表格语义理解的缺失，严重制约了其在数据处理分析流程中的应用。尽管已有若干解决方案可用于语义化解析表格，但这些方法通常局限于特定的标注任务和表格类型，且依赖庞大的知识库，难以在真实场景中复用。因此，亟需开发更加鲁棒、能够生成更精确标注并适应多种表格类型的系统。为推动表格语义解析技术的发展，国际上设立了“表格数据到知识图谱匹配的语义网络挑战赛”（Semantic Web Challenge on Tabular Data to Knowledge Graph Matching，简称 SemTab），旨在通过在多样化的数据集和任务上评估系统性能，建立统一的基准测试体系。本文提出了一种名为 TorchicTab 的通用型语义表格解析系统。该系统能够通过利用外部知识图谱（如 Wikidata）或预先标注并包含预定义术语的表格数据，对结构各异的表格进行有效标注。我们在 SemTab 挑战赛所涵盖的不同标注任务上对 TorchicTab 进行了全面评估。实验结果表明，该系统在多种数据集上均能实现高精度的语义标注，展现出良好的泛化能力与实用性。