SpreadsheetLLM

新流程高效提取电子表格结构化数据

研究人员开发了一种新的两阶段流程，用于从电子表格中提取结构化数据，解决了因格式和布局多样性带来的挑战。该系统首先使用 LightGBM 分类器结合条件随机场进行空间一致性处理来分类单元格类型，然后采用确定性算法进行表格检测。该方法在新的 StatSheets 基准测试上进行了评估，在单元格类型分类和表格检测方面均取得了高精度，性能优于或与现有的基于 LLM 的系统相当，同时需要更少的计算资源。