[发明专利]用于信息取回系统的多模态表格编码

说明书

多模态表格编码，包括：接收包含表格的电子文档。表格包括多个行、多个列、以及包括列标签或行标签的模式。电子文档包括位于表格外部的表格的描述。接下来，操作单独的机器学习编码器以分别单独地对表格的描述、模式、行中的每一行、以及列中的每一列进行编码。模式、行、以及列与分别标记每一列和每一行的末端的列末端令牌和行末端令牌一起被编码。然后，将机器学习门控机制应用于经编码的描述、经编码的模式、经编码的行、以及经编码的列，以产生表格的融合编码，其中融合编码表示表格的结构和表格的内容两者。

背景技术

本发明涉及计算机化信息取回的领域。

信息取回系统通常通过接收查询并且在电子数据的语料库中搜索相关信息进行操作-该电子数据是文本、图像、音频、视频、或者任何其他类型的数据。例如，Web搜索引擎接收用户查询并在万维网中搜索相应信息。在技术上，搜索在由每个搜索引擎维护的万维网的集中式索引中进行，以促进搜索结果的近实时提供。在许多组织信息取回系统中存在类似的索引和搜索，这些系统用于在组织的电子文档和其他数据的内部集合(语料库)中进行搜索。

电子文档(通常包含自由文本的形式的非结构化数据)有时还包括表格(其是结构化数据的形式)。由于表格是根据提供列和/或行标签的特定模式而被组织的，所以它们可以被视为小的结构化数据库。包含在表格中的数据通常具有高质量，并且使得信息取回系统能够索引并搜索这样的表格数据具有很大的益处。

由于在万维网上的HTML(超文本标记语言)中使用的大量表格，已出现被称为“Web表格取回”的领域。已开发和提出了许多自动化的Web表格取回技术，这些技术通常通过接收自然语言的搜索查询并返回所找到的最相关的Web表格的排序列表进行操作。

现有技术的上述示例和与其相关的限制旨在是说明性的而不是排他性的。在阅读说明书和研究附图时，相关领域的其他限制对于本领域技术人员将变得显而易见。

发明内容

结合系统、工具和方法来描述和说明以下实施例及其方面，这些系统、工具和方法旨在是示例性和说明性的，而不限制范围。

实施例涉及一种方法，该方法包括，自动地：(a)接收包含表格的电子文档，其中：表格包括多个行、多个列、以及包括列标签或行标签的模式；并且电子文档包括位于表格外部的表格的描述；(b)操作单独的机器学习编码器以分别单独地对表格的描述、表格的模式、表格的行中的每一行、以及表格的列中的每一列进行编码，其中：(i)表格的模式与分别标记列标签或行标签中的每一个的末端的列末端令牌或行末端令牌一起被编码，(ii)表格的行中的每一行与标记相应行的每个数据单元的末端的列末端令牌一起被编码，并且与标记相应行的末端的行末端令牌一起被编码，以及(iii)表格的列中的每一列与标记相应列的每个数据单元的末端的行末端令牌一起被编码，并且与标记相应列的末端的列末端令牌一起被编码；(c)将机器学习门控机制应用于经编码的描述、经编码的模式、经编码的行、以及经编码的列，以产生所述表格的融合编码，其中融合编码表示表格的结构和所述表格的内容两者；以及(d)在计算机化信息取回系统的索引中存储表格的融合编码。