2026年4月26日
Paper Reading: TabularNet: A Neural Network Architecture for Understanding Semantic Structures of Tabular Data
摘要： 针对表格数据自动语义结构理解中的挑战，本文提出了一种名为 TabularNet​ 的神经网络架构，其核心在于同时建模了表格的空间信息和关系信息。TabularNet 采用了双重数据表示，将表格视为矩阵以利用空间敏感操作，并使用基于 WordNet 词汇树的语义图构建方法来表示单元格间的复杂关系。模型的主体由一个可堆叠的结构信息挖掘层构成，它集成了两个并行编码器：空间信息编码器结合了能敏感捕捉区域交界的行/列双向门控循环单元，以及用于提取统计特征的行/列平均池化；关系信息编码器在 WordNet 语义图上应用图卷积网络，以捕获层次与并列关系。TabularNet 被设计为一个统一的骨干网络，其输出的嵌入表示可通过简单的集成（如拼接、池化）适配于单元格级分类、行/列级检测等多种任务，并支持多任务学习。通过在 2 个大规模的真实电子表格数据集上进行单元格角色分类和表头区域检测实验，本文全面评估了 TabularNet 的有效性、通用性和组件必要性。 阅读全文
posted @ 2026-04-26 19:05 乌漆WhiteMoon 阅读(26) 评论(0) 推荐(0)