TAT-QA: A Question Answering Benchmark on a Hybrid of Tabular and Textual Content in Finance

---

前言

TAT-QA: A Question Answering Benchmark on a Hybrid of Tabular and Textual Content in Finance是2021年5月发表在ACL上的文章。改文章主要介绍针对基于金融领域表格(Tabular)和文本(Textual)混合(Hybrid)（即结构化和非结构化混合数据）的数据进行问题回复的研究。
文章获取链接: 论文下载链接.

---

一、摘要（abstract）

在论文摘要中，作者介绍了现有的研究，忽视了混合数据的问题回答(QA)。
本文的创新工作，1、从实际财务报告中抽取样本，构建一个包含表格和文本的大型QA数据集，命名为 TAT-QA。2、为了对表格数值进行推理，本文提出了一个新的模型TAGOP。
数据集获取链接: TAT-QA下载链接.

二、引言（Introduction）

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。