Sheet As Token：面向多表电子表格理解的图增强表示

工作簿规模的电子表格理解对于基于语言模型的数据分析代理来说越来越重要，但仍然具有挑战性，因为相关信息通常分布在具有异构模式、布局和隐式关系的多个工作表中。现有的检索增强方法通常将电子表格分解为行、列或块以提高可扩展性；然而，这种以块为中心的表示可能会将工作表分割成孤立的文本范围，并削弱全局工作表级语义。我们提出 Sheet as Token，这是一个图形增强框架，它将每个工作表视为用于多表电子表格检索的统一语义单元。我们的方法从工作表名称、列标题、代表值和布局特征中提取模式感知记录，并将每个工作表编码为紧凑的密集标记。给定自然语言查询，图检索器使用语义、查询条件、模式一致性和形状兼容性关系在工作表标记上构建特定于查询的候选图，并通过多级图转换器组合这些通道以检索支持工作表集。在构建的多表电子表格语料库上进行的实验表明，表级标记化可以学习稳定的表示，并且图形增强的跨表推理可以在有限的额外图端计算的情况下改进浅图基线上的列表检索。这些结果表明，工作表级标记化对于可扩展的多工作表电子表格理解来说是一种有前景的抽象。