基于大语言模型的表格挖掘研究综述：挑战、进展与展望

《ACM Computing Surveys》：A Survey on Table Mining with Large Language Models: Challenges, Advancements and Prospects

　　

摘要AI 摘要

查看此 AI 生成的摘要，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

表格挖掘是一个热门研究领域，涉及复杂的技术，包括信息检索、数据挖掘、视觉和文本理解以及逻辑推理。随着大语言模型（LLMs）的出现，该领域见证了重大进展，为表格理解、提取和推理提供了新范式。在本综述中，我们对基于 LLM 的表格挖掘文献进行了全面回顾。我们首先介绍了表格数据的基本概述以及基于 LLM 的表格挖掘中可能面临的挑战。具体而言，我们探讨了该领域独有的挑战，例如异构表格结构、上下文歧义以及特定领域知识需求。然后，我们总结了表格准备和挖掘中的代表性表格任务，并沿着任务范围、模型架构和应用场景等维度对现有方法进行了分类。接下来，我们描述了表格挖掘中基于 LLM 的高级学习策略，包括基础模型和免训练方法。我们进一步审查了可信的基于 LLM 的表格挖掘研究以及一些特定领域的应用。最后，我们讨论了基于 LLM 的表格挖掘领域的前景和未来方向，包括泛化性、可解释性、效率等 等 问题。我们希望本综述能为研究人员和从业者提供全面的资源，为进一步探索铺平道路。代码仓库地址为：https://github.com/USTCAGI/Awesome-LLM-Table-Mining。

AI 摘要

AI 生成摘要（实验性）

本摘要使用自动化工具生成，未经文章作者撰写或审核。它旨在支持发现，帮助读者评估相关性，并协助来自相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍然是论文的主要摘要。完整文章仍然是权威的记录版本。 点击此处了解更多。

点击 此处 评论本摘要的准确性、清晰度和实用性。这样做将有助于改进和未来的重新生成版本。

查看此 AI 生成的通俗摘要，您需要拥有高级访问权限。