在传统的retriever(DPR)跟reader(T5)中间新增两个部分:linker chainer
1. linker: 将table跟上下文联系起来
两部分组成:evidence中的实体提取 + 实体链接到wiki(都基于bert)
特殊性:操作对象为表格而不是文本
1.1 NER(first propose candidate entity mentions (spans)for a given evidence)
不采用传统NER模型:对象为表格
模型:BERT作为encoder,加一个分类头,判断这个token是不是属于某个entity
1.2 entity链接到wiki
模型:passage\table 分别进入两个encoder,对比学习连接两者
训练:把连接的wiki的第一段作为正样本
inference:在所有wiki的所有passage里面搜最像的
then links the proposed mention to its Wikipedia page
chainer: 将相关的table跟上下文组成一个evidence并排序