論文の概要: Fine-Grained Table Retrieval Through the Lens of Complex Queries

• arxiv url: http://arxiv.org/abs/2603.07146v1
• Date: Sat, 07 Mar 2026 10:57:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.902375
• Title: Fine-Grained Table Retrieval Through the Lens of Complex Queries
• Title（参考訳）: 複雑なクエリーのレンズによる細粒度テーブル検索
• Authors: Wojciech Kosiuk, Xingyu Ji, Yeounoh Chung, Fatma Özcan, Madelon Hulsebos,
• Abstract要約: 本稿では,細粒度型付きクエリ分解とグローバル接続性を考慮したテーブル検索機構を提案する。 我々は,検索複雑性のレンズによる2つのメカニズムの有効性を評価し,クエリとデータの複雑さの軸に沿って測定する。
• 参考スコア（独自算出の注目度）: 6.920588198594181
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enabling question answering over tables and databases in natural language has become a key capability in the democratization of insights from tabular data sources. These systems first require retrieval of data that is relevant to a given natural language query, for which several methods have been introduced. In this work we present and study a table retrieval mechanism devising fine-grained typed query decomposition and global connectivity-awareness (DCTR), to handle the challenges induced by open-domain question answering over relational databases in complex usage contexts. We evaluate the effectiveness of the two mechanisms through the lens of retrieval complexity which we measure along the axes of query- and data complexity. Our analyses over industry-aligned benchmarks illustrate the robustness of DCTR for highly composite queries and densely connected databases.
• Abstract（参考訳）: 自然言語の表やデータベース上での質問応答は、表形式のデータソースからの洞察の民主化において重要な機能となっている。 これらのシステムはまず、与えられた自然言語クエリに関連するデータの検索を必要とし、いくつかの方法が導入されている。 本研究では,複雑な利用状況下での関係データベースに対するオープンドメイン質問応答による課題に対処するため,詳細な型付きクエリ分解とグローバル接続認識(DCTR)を考案したテーブル検索機構を提案する。 我々は,検索複雑性のレンズによる2つのメカニズムの有効性を評価し,クエリとデータの複雑さの軸に沿って測定する。 本研究は,高合成クエリと高密度連結データベースにおけるDCTRのロバスト性について,業界対応ベンチマークによる分析を行った。

関連論文リスト

• REaR: Retrieve, Expand and Refine for Effective Multitable Retrieval [46.38349148493421]
  REAR(Retrieve, Expand and Refine)は、効率的な高忠実なマルチテーブル検索のための3段階のフレームワークである。 Rearはクエリ整列テーブルを検索し、構造的に結合可能なテーブルで拡張し、ノイズや弱い関係のある候補を抽出することでそれらを洗練する。 Rearはレトリバー非依存であり、複雑なテーブルQAデータセット上の高密度/スパースレトリバーを一貫して改善する。
  論文  参考訳（メタデータ） (2025-11-02T05:01:04Z)
• Reasoning-enhanced Query Understanding through Decomposition and Interpretation [87.56450566014625]
  ReDIは、分解と解釈によるクエリ理解のための推論強化アプローチである。 我々は,大規模検索エンジンから実世界の複雑なクエリの大規模データセットをコンパイルした。 BRIGHT と BEIR の実験により、ReDI はスパースと密度の高い検索パラダイムの両方において、強いベースラインを一貫して超えることを示した。
  論文  参考訳（メタデータ） (2025-09-08T10:58:42Z)
• Reasoning-Aware Query-Focused Summarization over Multi-Table Data [1.325953054381901]
  大規模言語モデル(LLM)を利用したエンドツーエンド生成フレームワークであるQueryTableSummarizer++を提案する。 本手法では,中間シリアライズステップの必要性を排除し,クエリ関連要約を直接生成する。 ベンチマークデータセットの実験では、QueryTableSummarizer++がBLEU、ROUGE、F1スコアで最先端のベースラインを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-12-12T06:04:31Z)
• QFMTS: Generating Query-Focused Summaries over Multi-Table Inputs [63.98556480088152]
  表要約は、情報を簡潔で分かりやすいテキスト要約に凝縮するための重要な課題である。 本稿では,クエリ中心のマルチテーブル要約を導入することで,これらの制約に対処する新しい手法を提案する。 提案手法は,テーブルシリアライズモジュール,要約コントローラ,および大規模言語モデルからなり,ユーザの情報要求に合わせたクエリ依存のテーブル要約を生成する。
  論文  参考訳（メタデータ） (2024-05-08T15:05:55Z)
• Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
  Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。 本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。 オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
  論文  参考訳（メタデータ） (2024-03-21T13:52:30Z)
• Beyond Extraction: Contextualising Tabular Data for Efficient Summarisation by Language Models [0.0]
  Retrieval-Augmented Generation アーキテクチャの従来の利用は、様々な文書から情報を取得するのに有効であることが証明されている。 本研究では,RAGに基づくシステムにおいて,複雑なテーブルクエリの精度を高めるための革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-01-04T16:16:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。