DOSA: A Tree-Guided, Self-Regressive Framework for Long Document Structure Analysis
تقترح الورقة البحثية DOSA، وهو إطار عمل موجّه بالشجر وذاتي التراجع يقوم بإعادة بناء الأشجار الدلالية على مستوى المستند بشكل تدريجي عبر معالجة المستندات متعددة الصفحات جزءًا بجزء لالتقاط التبعيات طويلة المدى والتخطيطات غير المتجانسة بفعالية، محققًا أداءً هو الأفضل في فئته على معايير تحليل بنية المستندات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم موسوعة ضخمة متعددة المجلدات، طُبعت على أوراق منفصلة، وتناثرت عبر أرضية عملاقة. بعض الصفحات تحتوي على صور، وبعضها يحتوي على قوائم، وبعضها يحتوي على عناوين عريضة وبارزة. لكي تفهم هذا الفوضى، لا تكتفي بمجرد قراءة الكلمات؛ بل عليك أن تكتشف كيف تتناسب القطع مع بعضها البعض. هل هذه الصورة جزء من الفقرة التي تعلوها؟ هل هذه القائمة هي "ابن" للعنوان، أم أنها قسم مستقل تماماً؟ هذا هو عالم "الوثائق الغنية بصرياً"، حيث لا تكون المعلومات مجرد تدفق للنصوص، بل لغزاً معقداً من الأشكال والمواقع والأنماط. لكي تتمكن الحواسيب حقاً من "قراءة" هذه الوثائق — سواء كانت عقوداً قانونية، أو أوراقاً علمية، أو عروضاً تقديمية — يجب عليها حل لغز محدد يسمى "تحليل بنية الوثيقة". يتعين عليها بناء "شجرة دلالية"، وهي تشبه شجرة العائلة لأجزاء الوثيقة، توضح من هو "الأب" لمن، وبأي ترتيب ينبغي قراءة الجميع. وبدون ذلك، قد ترى الحاسوب عنواناً وفقرة كغريبين لا علاقة بينهما، متجاهلاً حقيقة أنهما في الواقع أب وابنه.
هنا يأتي دور DOSA (محلل بنية الوثائق)، وهو طريقة جديدة اقترحها باحثون في شركة Glean Technologies لحل هذا اللغز للوثائق الطويلة متعددة الصفحات. فكر في الأمر كمحاولة بناء قلعة "ليغو" مكونة من 1000 قطعة دفعة واحدة؛ إنه أمر مرهق، وإذا ارتكبت خطأً في البلوكات الأولى، فقد ينهار الهيكل بأكمله. حاولت الطرق السابقة النظر إلى الوثيقة بأكملها دفعة واحدة، وهو أمر يشبه محاولة الإمساك بالقلعة بأكملة في يديك أثناء بنائها — سيصبح الأمر ثقيلاً جداً ويصاب الحاسوب بالارتباك. يتخذ DOSA نهجاً مختلفاً: فهو يبني القلعة قسماً صغيراً تلو الآخر. إنه يعالج الوثيقة في "كتل"، مثل تجميع غرفة واحدة من القلعة قبل الانتقال إلى التالية. ولكن إليك الالتواء الذكي: بينما يبني كل غرفة جديدة، فإنه لا ينظر فقط إلى الطوب الذي في يده؛ بل ينظر إلى "الفرع الأيمن" للقلعة التي بناها بالفعل. يعمل هذا كدليل، يخبر الحاسوب بالضبط أي أجزاء من الغرف السابقة ذات صلة بالأجزاء الجديدة. ومن خلال استخدام هذه الخريطة "الموجهة بالشجرة"، يتجنب DOSA الضياع في الحجم الهائل للوثيقة.
وجد الباحثون أن هذا النهج الخطوة بخطوة، الموجه ذاتياً، يعمل بشكل رائع. فعندما اختبروا DOSA على خمس مجموعات بيانات مختلفة، بما في ذلك مجموعة معقدة للغاية تسمى DocHieNet مليئة بتخطيطات معقدة متعددة الصفحات، تفوق على أفضل الطرق الحالية. وفي ذلك الاختبار المرجعي الصعب، حسن DOSA الدقة بما يصل إلى 4 نقاط على مقياس يسمى F1، وما يقرب من 20 نقطة على مقياس يسمى TEDS (الذي يقيس مدى تشابه شجرة الحاسوب مع الشجرة الحقيقية). والأكثر إثارة للإعجاب هو أنه هزم نماذج الذكاء الاصطناعي القوية وعامة الأغراض مثل Gemini-2.5-Pro و GPT-5.2، مما يشير إلى أنه بالنسبة لهذه المهمة المحددة المتمثلة في بناء أشجار الوثائق، فإن النهج المتخصص والهيكلي أفضل من مجرد سؤال ذكاء اصطناعي ضخم لـ "تخمين" البنية. تشير الورقة البحثية إلى أنه من خلال دمج القرائن البصرية (مثل مكان وجود الصندوق في الصفحة)، والمحتوى النصي، وحجم الأشياء، يمكن لـ DOSA إعادة بناء منطق الوثيقة بدقة عالية، حتى دون الحاجة إلى حفظ الوثيقة بأكملها في خطوة واحدة. ومع ذلك، يشير المؤلفون إلى أنه على الرغم من أن هذه الطريقة قوية، إلا أنها ليست مثالية؛ فهي تركز حالياً على البنى الشجرية ولا تتعامل بعد مع الاتصالات الأكثر تعقيداً التي تشبه الشبكة، مثل الاستشهادات، كما يمكن أن تتعثر إذا ارتكبت خطأً في مرحلة مبكرة لا يمكنها تصحيحه لاحقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.