通过多模态学习利用语义增强表格建模长篇金融文本

研究提出一种多模态 Transformer 框架，将金融表格转化为语义增强的 token 序列，以高效建模长篇金融文档。模型利用文本定义为数值变量生成语义嵌入向量，并通过交叉注意力机制显式捕获跨模态依赖，效果优于简单拼接。在财务报表与 MD&A 数据集上，该方法以冻结的表格表示作为查询差异化加权文本块，实现了一致的预测增益。