仅检索相关表，无论是少还是多：自适应表检索方法

对于给定的自然语言查询，从大量数据库中检索相关表对于准确回答文本转 SQL 等任务中的问题至关重要。现有的表检索方法选择与查询相似度最高的一组预先确定的 k 个表。但是，所需表的数量因查询而异，并且无法提前知道。无论查询如何，强制检索固定数量的表可能会检索到尺寸过小的集合，无法获取所有必要的证据，或者检索过大的池，包括不相关的表。为了解决这个问题，我们提出了一种自适应表检索方法，该方法根据每个查询的要求调整检索的表的数量。具体来说，我们利用自适应阈值机制来选择性地检索表并集成滑动窗口重排序算法以有效地处理大型表语料库。在Spider、BIRD和Spider 2.0上的大量实验表明，我们的方法有效地解决了top-k检索策略的局限性，提高了检索和下游任务的性能。我们的代码和数据可在 https://github.com/sbY99/Adaptive-Table-Retrieval 获取。