RETQA

RETQA是由北京师范大学创建的第一个大规模开放领域中文表格问答数据集，专门针对房地产领域。该数据集包含4932个表格和20762个问答对，涵盖16个子领域，涉及房产信息、房地产公司财务信息和土地拍卖信息。数据集通过从中国八个主要城市的公开数据源收集并清洗整理，每个表格都配有摘要标题以辅助检索。RETQA的创建过程包括表格收集、问答对生成、意图和槽标签注释以及查询重写和质量控制。该数据集主要用于解决房地产领域的开放域和长表格问答问题，推动表格问答技术的发展。

RETQA is the first large-scale open-domain Chinese table question answering dataset created by Beijing Normal University, specifically targeting the real estate domain. It contains 4,932 tables and 20,762 QA pairs, covering 16 sub-domains involving real estate information, financial information of real estate companies, and land auction information. The dataset was collected and cleaned from public data sources across eight major cities in China, with each table equipped with a summary title to facilitate retrieval. The construction process of RETQA includes table collection, QA pair generation, intent and slot label annotation, query rewriting, and quality control. This dataset is mainly used to solve open-domain and long-table QA problems in the real estate domain, promoting the development of table QA technologies.

原始信息汇总

RETQA: A Large-Scale Open-Domain Tabular Question Answering Dataset for the Real Estate Sector

数据集概述

RETQA 是一个大规模开放域中文表格问答（Tabular Question Answering, TQA）数据集，专注于房地产领域。该数据集包含 4,932 个表格和 20,762 个问答对，涵盖了三个主要领域中的 16 个子领域：房产信息、房地产公司财务信息和土地拍卖信息。

数据集特点

• 大规模：包含 4,932 个表格和 20,762 个问答对。
• 开放域：适用于开放域的表格问答任务。
• 多领域：涵盖房产信息、房地产公司财务信息和土地拍卖信息三个主要领域。
• 长表格结构：数据集中的表格具有长表格结构，增加了问答任务的复杂性。
• 多领域查询：支持跨多个领域的查询。

数据集挑战

• 长表格结构：表格结构复杂，增加了问答任务的难度。
• 开放域检索需求：需要进行开放域的检索。
• 多领域查询：支持跨多个领域的查询。

数据集内容

• RETQA 数据集：以 JSON 格式提供。
• SLUTQA 框架：集成大型语言模型与口语理解任务，以提高检索和回答的准确性。

数据集支持

• 数据集的获取得到了 Elmleaf Ltd.(Shanghai) 的支持。

引用

如果该数据集对您的研究有用，请考虑引用以下内容：

@inproceedings{ aaai2025retqa, title={{RETQA}: A Large-Scale Open-Domain Tabular Question Answering Dataset for Real Estate Sector}, author={Zhensheng Wang and Wenmian Yang and Kun Zhou and Yiquan Zhang and Weijia Jia}, booktitle={The 39th Annual AAAI Conference on Artificial Intelligence}, year={2024}, url={https://arxiv.org/abs/2412.10104} }

搜集汇总

数据集介绍

构建方式

RETQA数据集通过从中国八个城市（北京、上海、广州、深圳、苏州、杭州、南京、武汉）的公开房地产数据中收集了4,932张表格，涵盖了房地产信息、房地产公司财务信息和土地拍卖信息三大领域。数据集通过90个房地产特定的问题模板生成20,762个问答对，这些问题模板涵盖了事实性、推理性及比较性查询。每个表格都附有摘要标题以辅助检索，并且每个查询都标注了意图和槽标签，以帮助模型更好地理解用户意图并提取相关信息。

特点

RETQA数据集具有多重特点，包括长表格结构、开放域检索和多领域查询。其平均每张表格有252.9行，且查询可能涉及多个表格，这使得数据集在处理复杂查询时更具挑战性。此外，RETQA是首个集成语音语言理解（SLU）标签的表格问答数据集，这些标签包括意图和槽标签，有助于模型更精确地解析用户意图并提取相关信息。

使用方法

RETQA数据集可用于训练和评估表格问答系统，特别是针对房地产领域的开放域、长表格和多领域查询。使用者可以通过提供的意图和槽标签来增强检索和回答的准确性。数据集支持多种格式的答案输出，包括Markdown、SQL风格和自然语言，便于不同应用场景下的使用。此外，RETQA还提供了详细的表格摘要和标注信息，帮助模型在开放域环境中更有效地检索相关表格。

背景与挑战

背景概述

随着人工智能和自然语言处理技术的迅速发展，表格问答（Tabular Question Answering, TQA）因其能够从结构化数据中提取准确答案而备受关注。然而，在房地产领域，专门针对该领域的TQA数据集却极为稀缺，这限制了自动化问答系统在该领域的应用与发展。为了填补这一空白，Zhensheng Wang等人于2025年推出了RETQA数据集，这是首个大规模的开放域中文TQA数据集，专门为房地产领域设计。RETQA包含了4,932个表格和20,762个问答对，涵盖了房地产信息、房地产公司财务信息和土地拍卖信息三大领域，共16个子领域。该数据集的推出为房地产领域的TQA研究提供了宝贵的资源，推动了该领域的进一步发展。

当前挑战

RETQA数据集在构建过程中面临多项挑战。首先，房地产领域的数据结构复杂，涉及长表格和多表格查询，这增加了模型理解和处理的难度。其次，开放域的特性要求模型能够从整个数据集中检索相关表格，而非直接提供，这使得检索的准确性成为关键。此外，RETQA还引入了多领域查询，进一步提升了数据集的复杂性。为了应对这些挑战，研究团队提出了SLUTQA框架，通过结合大语言模型与口语理解任务（SLU）来提升检索和回答的准确性。尽管如此，如何有效处理长表格、提高开放域检索的精度以及应对多领域查询的复杂性仍是该数据集面临的主要挑战。

常用场景

经典使用场景

RETQA数据集的经典使用场景主要集中在房地产领域的表格问答任务中。该数据集通过提供大规模的结构化数据，如房产信息、房地产公司财务信息和土地拍卖信息，支持模型在开放域环境下进行表格问答。RETQA的独特之处在于其长表格结构、开放域检索和多领域查询，这些特性使得模型能够处理复杂的房地产数据查询任务，如历史交易价格查询、土地拍卖信息检索等。

实际应用

RETQA数据集在实际应用中具有广泛的前景，特别是在房地产市场的决策支持系统中。例如，购房者可以通过查询历史交易价格和房产详情做出更明智的决策，而投资者则可以利用土地拍卖信息、资产状态等数据评估投资可行性。RETQA的开放域特性和多领域查询能力使其成为构建智能问答系统的理想选择，能够有效支持房地产行业的数据驱动决策。

衍生相关工作

RETQA数据集的发布催生了一系列相关研究工作，特别是在表格问答和开放域问答领域。基于RETQA，研究者提出了SLUTQA框架，通过结合大语言模型和口语理解任务，显著提升了表格问答的准确性。此外，RETQA还启发了对长表格处理、多表查询和开放域检索等技术的深入研究，推动了表格问答技术在其他领域的应用扩展。