當(dāng)大模型學(xué)會(huì)「讀表格」：智能問答如何破解數(shù)據(jù)結(jié)構(gòu)化難題？
Gartner最新研究指出，2025年企業(yè)業(yè)務(wù)數(shù)據(jù)中超60%將依賴表格存儲(chǔ)。這意味著表格已經(jīng)成為企業(yè)管理知識(shí)的重要方式，遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)的文本形式。其結(jié)構(gòu)化特性帶來的信息密度與交互效率，使得表格問答在智能問答領(lǐng)域的地位愈發(fā)關(guān)鍵。
表格問答難在哪？
可別小看表格問答，它的難度可不低。和普通文本相比，表格就像個(gè)復(fù)雜的謎題。
結(jié)構(gòu)復(fù)雜：普通文本是“一行到底”的簡單結(jié)構(gòu)，模型順著讀就能明白意思。但表格是二維的，單元格合并、跨行跨列這些情況太常見了，信息就像被打散的拼圖，找起來特別費(fèi)勁。
語義難解：在理解語義方面，普通文本的關(guān)鍵信息一目了然，像“2025年一季度A產(chǎn)品銷售額100萬”，誰都能看懂。但表格得靠表頭才能知道數(shù)據(jù)是什么意思，有些表格還有多級(jí)表頭、跨列跨行表頭，信息又多又復(fù)雜，邏輯都藏在表格結(jié)構(gòu)里。
解析邏輯：以前解析表格主要靠單元格的顏色、填充這些視覺標(biāo)記來識(shí)別表頭，可要是遇到黑白文檔、掃描件，或者沒有這些標(biāo)記的表格，就沒辦法了。
表格存儲(chǔ)示意
自研表格理解增強(qiáng)技術(shù)
不過別擔(dān)心，金現(xiàn)代團(tuán)隊(duì)?wèi){借強(qiáng)大的技術(shù)實(shí)力，研發(fā)出了基于類 HTML 解析語法的表格理解增強(qiáng)技術(shù)，能讓大模型更準(zhǔn)確地理解表格數(shù)據(jù)。實(shí)現(xiàn)過程主要有下面6步：
獲取信息：獲取不同格式知識(shí)文檔中的文本信息和表格信息。
統(tǒng)一格式：將表格信息轉(zhuǎn)換為統(tǒng)一的存儲(chǔ)格式，并定義基于行和列的存儲(chǔ)格式。
確定表頭區(qū)域：根據(jù)表格中形成表頭的位置規(guī)律，確定表頭大致區(qū)域。
詳細(xì)表頭區(qū)域：將確定的表頭大致區(qū)域的文字內(nèi)容拼接，采用預(yù)訓(xùn)練語言模型，對拼接后的內(nèi)容進(jìn)行分類，確定表格所屬類別，進(jìn)而確定表頭詳細(xì)區(qū)域。
處理表格內(nèi)容：根據(jù)確定的表頭詳細(xì)區(qū)域，以表頭為基準(zhǔn)，對表格其余部分進(jìn)行單元格合并或拆分，得到單元格無合并的情況且每行列數(shù)相同、每列行數(shù)相同的表格內(nèi)容。
存儲(chǔ)表格知識(shí)：以表頭單元格的文字內(nèi)容為字段名，對應(yīng)的列或行中的單元格文字內(nèi)容為值，將表格內(nèi)容轉(zhuǎn)換為鍵值對的形式，將原本表格中的一行或一列編為一組鍵值對字符串，向量化后存入向量庫中。
經(jīng)過這6步的處理，就像給表格來了一場 "結(jié)構(gòu)化改造"，最終把復(fù)雜表格變成機(jī)器能看懂的 "鍵值對"，再亂的表格數(shù)據(jù)都能乖乖 "對號(hào)入座"，讓大模型理解表格就像讀普通文字一樣簡單。
表格問答優(yōu)勢，賦能行業(yè)應(yīng)用
憑借在表格問答領(lǐng)域的技術(shù)突破，金現(xiàn)代智能問答系統(tǒng)構(gòu)建了兼具創(chuàng)新性與實(shí)用性的知識(shí)服務(wù)體系。系統(tǒng)可針對檢測標(biāo)準(zhǔn)、設(shè)備說明書等非結(jié)構(gòu)化文檔提供精準(zhǔn)問答服務(wù)，更能在批量復(fù)雜表格處理場景中展現(xiàn)強(qiáng)大性能，為企業(yè)決策提供支撐，推動(dòng)知識(shí)管理向自動(dòng)化、智能化層級(jí)躍遷。
表格問答示意
金現(xiàn)代將持續(xù)聚焦技術(shù)迭代與場景創(chuàng)新，不斷提升系統(tǒng)的智能解析精度與服務(wù)響應(yīng)效率，致力于在智能問答領(lǐng)域構(gòu)建更具深度與廣度的解決方案，助力企業(yè)釋放數(shù)據(jù)價(jià)值，開創(chuàng)智能知識(shí)管理新范式。