Retrieval augmentation for text-to-table generation
| 項目 | 内容 |
|---|---|
| 論文ID | P46 |
| 区分・分類 | 論文・構造化出力 |
| 著者・所属 | Jiahua Zhang, Chenliang Li（Wuhan University, School of Cyber Science and Engineering）、Meijuan Tan（Minzu University of China）、Jing Zhang（Central China Normal University）、Xiaolu Zhang, Jun Zhou（Ant Group） |
| 発表先 | Information Processing & Management |
| 発表日 | 2025-04-08 |
| 引用数 | 5（OpenAlex 2026-10-06時点） |
| 言語 | 英語 |
| URL | https://doi.org/10.1016/j.ipm.2025.104135 |
| 取得できず | |
| 読んだ範囲 | 要旨のみ（出版社ページの公開分：要旨・ハイライト・序論全文・各節の冒頭抜粋。本文は有料） |
論文タイプ
新技術。text-to-table生成に検索拡張を取り入れた新しいフレームワーク Ragtable を提案しているため。
研究の目標
- 背景：text-to-table生成は、非構造テキストの重要情報を表にまとめるタスク（例：レストランレビュー、選手成績、Wikipedia infobox）。既存手法（BARTをfine-tuneしたseq2seq〔Wu et al., 2022〕、ヘッダを先に生成してから非ヘッダセルを並列生成する2段階手法〔Li, Wang, et al., 2023〕）は復号過程に注目しており、入力は元テキストだけ
- 問題：元テキストには表構造が明示されていないため、表ヘッダを決めにくい。セル値もテキストからそのままコピーできない場合が多く、背景知識が要る。例（Fig. 2）では、ヘッダ「subtitle」の値「other activities」は入力から推定しにくい。それでも基本的なseq2seqで生成できるのは、訓練データに同じヘッダ・値の組があるため。関連する訓練事例を4件除いただけで生成に失敗する
- 到達点：関連する事例（text-tableペア）を検索して補助情報として与える。これにより「ヘッダに何を入れるか」と「テキストから直接コピーできない値をどう生成するか」を導く
技術的なやり方
表は、セルを区切り記号〈s〉で、行を〈n〉で区切った1本の系列として生成する。Ragtable は次の3要素を1つのパイプラインにまとめる。
| 要素 | 段階 | 内容 |
|---|---|---|
| Text Matching (TeM) | 学習 | 対象テキストをクエリにして訓練セットから関連テキストを検索し、対応するtext-tableペアを元入力に連結して生成する |
| Iterative Table Generation (ITG) | 推論 | ① TeM で最も関連するペアを付けて表を生成 ② 生成した表をクエリにして、訓練セットから最も関連する表を検索（table matching） ③ そのペアを付けて再生成 ④ Su et al. (2021) の2段階パイプラインに倣い、得られた表のヘッダを補助情報として最終表を生成 |
| Noise-aware Learning (NaL) | 学習 | 検索したペアや中間表には無関係な情報が混じる。対策として正解表のヘッダを補助入力にし、ランダムに別の値へ置き換えて誤った表構造を模擬する。これで有用な補助情報を見分けることを学ばせる |
- データセット：E2E、Rotowire、WikiTableText（Wu et al., 2022 と Li, Wang, et al., 2023 に倣う）
- ベースモデル・検索器の種類・評価指標：読んだ範囲には記載なし（本文が非公開）
結果
- 既存のベースラインを大きく上回り、よく使われるデータセットでSOTAを達成（著者の主張）
- WikiTableTextでは、非ヘッダセルの生成性能が最大20%向上
- データセット別・指標別の数値は、読んだ範囲では確認できず
限界・課題
- 大きな改善には質の高い検索が必要。ただし Fig. 9 によれば、最終出力が悪化するのは検索した表が正解とほぼ無関係な場合だけで、検索品質がある程度高ければ大きく改善する
- サンプル数が極めて多くなると計算負荷が増える（続きは非公開部分のため未確認）
要点
text-to-table生成で、訓練セットから似た事例（text-tableペア・表）を検索して入力に付け、テキストに書かれていないヘッダやセル値を補う。 「検索→生成→生成した表で再検索→ヘッダを手がかりに最終生成」の反復と、ヘッダにノイズを入れる学習を組み合わせる。WikiTableTextで非ヘッダセルの性能が最大20%向上。