[论文解读] TableNet: An Approach for Determining Fine-grained Relations for Wikipedia Tables

Besnik Fetahu, Avishek Anand+1 more|arXiv (Cornell University)|Jan 1, 2019

Topic Modeling参考文献 28被引用 4

一句话总结

TableNet 是一种新颖的方法，通过结合高效的候选表检索方法与利用表模式、实例值、描述和类型进行列级注意力的神经网络模型，实现对维基百科表格之间细粒度关系（即等价关系和子部件关系）的识别。其在相关表对中实现了 88% 的覆盖率和 90% 的对齐准确率，显著优于现有方法如 Google Fusion 和 TableNetLR。

ABSTRACT

We focus on the problem of interlinking Wikipedia tables with fine-grained table relations: equivalent and subPartOf. Such relations allow us to harness semantically related information by accessing related tables or facts therein. Determining the type of a relation is not trivial. Relations are dependent on the schemas, the cell-values, and the semantic overlap of the cell values in tables. We propose TableNet, an approach for interlinking tables with subPartOf and equivalent relations. TableNet consists of two main steps: (i) for any source table we provide an efficient algorithm to find candidate related tables with high coverage, and (ii) a neural based approach that based on the table schemas and data, determines with high accuracy the fine-grained relation. Based on an extensive evaluation with more than 3.2M tables, we show that TableNet retains more than 88% of relevant tables pairs, and assigns table relations with an accuracy of 90%.

研究动机与目标

• 为解决维基百科表格之间缺乏细粒度语义关系的问题，该问题限制了知识库构建和问答系统的发展。
• 通过利用模式结构、列语义和单元格值，提升识别等价关系和子部件关系的覆盖率与准确率。
• 开发一种高效的方法，在保留高相关性的同时减少候选表对的数量。
• 构建一个包含 17,000 多对已标注表对的高质量、全面的基准数据集，用于评估。
• 实现可扩展、高精度的表格对齐，以支持复杂查询问答与知识库增强。

提出的方法

• 一种高效的候选检索算法，利用文章级别的共现关系与模式相似性，识别高覆盖率的候选表对，将初始的 2650 万对减少至 10.5 万对以下。
• 一种基于列对列注意力的神经网络模型，计算两表模式中列之间的软对齐，捕捉描述、类型和实例值之间的语义相似性。
• 表示学习方法，将列级特征（包括描述、数据类型和实例值）整合为上下文嵌入，用于两表的表示。
• 多头注意力机制，用于建模表模式中列之间的结构与语义关系，提升对齐精度。
• 两阶段流程：第一阶段为高覆盖率的候选生成；第二阶段使用基于 BiLSTM 或 LSTM 的架构，结合列表示的注意力机制进行关系分类。
• 使用人工整理的 17,000 多对表对基准数据集（涵盖 50 篇维基百科文章）进行评估，以确保性能测量的可靠性。

实验结果

研究问题

• RQ1 如何在保持高覆盖率的前提下，高效地检索用于对齐的候选表对？
• RQ2 哪些特征——模式结构、列描述、类型或实例值——最能预测等价或子部件关系的识别？
• RQ3 基于列级注意力的神经网络是否能优于传统检索与分类基线，在识别细粒度表格关系方面表现更优？
• RQ4 在子部件关系与等价关系中，引入列类型与描述在多大程度上能提升对齐准确率？
• RQ5 与 Google Fusion 和 TableNetLR 等现有系统相比，TableNet 在覆盖率与准确率方面表现如何？

主要发现

• TableNet 实现了 88% 的相关表对覆盖率，将初始候选集 2650 万对减少 255 倍，同时保持高相关性。
• 该模型在等价关系与子部件关系上的对齐准确率均达到 90%，在最佳配置下，F1 分数分别为 0.886 和 0.887。
• TableNet+type（引入列类型）在所有关系类别上取得 0.840 的 F1 分数，优于 LSTM 与 BiLSTM 基线模型。
• 与 Google Fusion 相比，TableNet 在等价关系类别上实现了 F1 分数 64% 的相对提升，在两类关系上的平均 F1 分数也提升了 56%。
• 列对列注意力机制带来显著性能提升，相较于 TableNetLR，子部件关系的 F1 分数相对提高了 24%，等价关系提高了 10%。
• 列类型信息的引入显著提升了子部件关系的性能，但对等价关系无额外增益，表明其对层级关系具有特定优势。