[论文解读] Table2Charts: Recommending Charts by Learning Shared Table Representations

Mengyu Zhou, Qingtao Li+8 more|arXiv (Cornell University)|Aug 24, 2020

Advanced Text Analysis Techniques参考文献 21被引用 8

一句话总结

Table2Charts 提出了一种深度强化学习框架，通过从 165k 张表格和 266k 幅图表中学习共享表格表征，利用带复制机制的深度 Q 网络（DQN）进行序列建模，生成图表模板，实现图表推荐。该方法在多类型和单类型图表推荐任务中均达到当前最优性能，R@3 = 0.61，R@1 = 0.43。

ABSTRACT

It is common for people to create different types of charts to explore a multi-dimensional dataset (table). However, to recommend commonly composed charts in real world, one should take the challenges of efficiency, imbalanced data and table context into consideration. In this paper, we propose Table2Charts framework which learns common patterns from a large corpus of (table, charts) pairs. Based on deep Q-learning with copying mechanism and heuristic searching, Table2Charts does table-to-sequence generation, where each sequence follows a chart template. On a large spreadsheet corpus with 165k tables and 266k charts, we show that Table2Charts could learn a shared representation of table fields so that recommendation tasks on different chart types could mutually enhance each other. Table2Charts outperforms other chart recommendation systems in both multi-type task (with doubled recall numbers R@3=0.61 and R@1=0.43) and human evaluations.

研究动机与目标

• 通过在多种图表类型之间共享表征，解决推荐多样化图表类型（包括罕见类型如面积图和雷达图）的挑战。
• 克服图表推荐中的数据不平衡问题，即主要类型（如柱状图、折线图）占主导，而次要类型代表性不足。
• 将单类型和多类型图表推荐统一到同一框架中，以提高效率并减少冗余模型训练。
• 将表格上下文（语义含义和字段角色）纳入图表推荐，而不仅依赖原始数据统计信息。
• 采用序列到序列生成方法，实现从数据查询（选择哪些字段）到设计选择（如何将字段映射到坐标轴、堆叠等）的端到端推荐。

提出的方法

• 将图表推荐建模为从表格到序列的生成任务，其中每个序列对应一个填充了字段标记的图表模板。
• 使用带有复制机制的深度 Q 网络（DQN），从表格字段中选择并复制相关字段到图表模板中，实现对实际字段名称的关注。
• 在所有图表类型之间共享单一编码器，以学习表格字段的统一表征，实现跨图表类型的迁移学习和相互增强。
• 在推理阶段使用基于 DQN Q 值的启发式评分函数进行束搜索，以引导动作序列的生成。
• 利用来自真实世界 Excel 表格的大规模人工标注的（表格, 图表）配对语料库，对模型进行预训练和微调。
• 使用学习到的字段嵌入的余弦相似度分析语义聚类，验证模型是否捕捉到有意义的字段语义（如百分比、ID、国家等）。

实验结果

研究问题

• RQ1 统一的深度强化学习框架能否通过在任务间共享表征，有效推荐多种图表类型（包括罕见类型）？
• RQ2 学习共享表格表征在低资源图表类型（如面积图、雷达图）上如何提升性能，尤其是在训练数据有限的情况下？
• RQ3 与仅依赖数据统计信息的模型相比，将表格上下文（字段的语义角色）纳入推荐系统，能在多大程度上提升图表推荐的准确性？
• RQ4 在基于 DQN 的序列生成器中，复制机制是否能优于标准自回归生成，更准确地捕捉与字段相关的特定设计选择？
• RQ5 与针对特定任务的模型相比，跨图表类型联合学习是否能在多类型和单类型推荐任务中均带来更好的性能？

主要发现

• 在多类型图表推荐任务中，Table2Charts 实现了 R@3 = 0.61 和 R@1 = 0.43，召回率是先前 SOTA 系统的两倍。
• 通过利用高资源类型学习到的共享表征，该模型显著提升了低资源图表类型（如面积图、雷达图）的性能。
• 学习到的字段嵌入的语义聚类揭示了有意义的分组（如总和为 1 的百分比字段、国家标识符、索引/ID 字段），证明模型捕捉到了上下文语义。
• 基于 DQN 的生成器中的复制机制实现了对字段的准确选择与映射，减少了幻觉现象，提高了与实际表格结构的一致性。
• 人工评估确认，与现有系统相比，Table2Charts 生成的图表更具直观性且语义正确，尤其在复杂或模糊的表格上下文中表现更优。
• 共享编码器架构减少了模型冗余，提升了推理效率，支持在 Excel 的“推荐图表”等交互式工具中实现实时推荐。