Texto-para-Tabela: Uma Nova Maneira de Extração de Informação

Estudamos um novo cenário de extração de informação (IE), denominado texto-para-tabela. No texto-para-tabela, dado um texto, cria-se uma tabela ou várias tabelas expressando o conteúdo principal do texto, enquanto o modelo é aprendido com dados de pares texto-tabela. O cenário do problema difere dos métodos existentes para IE. Primeiro, a extração pode ser realizada de textos longos para tabelas grandes com estruturas complexas. Segundo, a extração é totalmente orientada a dados, e não há necessidade de definir explicitamente os esquemas. Até onde sabemos, não houve trabalhos anteriores que estudassem o problema. Neste trabalho, formalizamos texto-para-tabela como um problema de sequência-para-sequência (seq2seq). Primeiro, utilizamos um modelo seq2seq afinado a partir de um modelo de linguagem pré-treinado para realizar a tarefa. Também desenvolvemos um novo método dentro da abordagem seq2seq, explorando duas técnicas adicionais na geração de tabelas: restrições de tabela e incorporações de relação de tabela.