💬 NLP

Orthogonal Hierarchical Decomposition for Structure-Aware Table Understanding with Large Language Models

Cet article propose le cadre de décomposition hiérarchique orthogonale (OHD), qui utilise une méthode d'induction d'arbre orthogonal pour décomposer des tableaux complexes en arbres de colonnes et de lignes afin de préserver les hiérarchies structurelles, améliorant ainsi considérablement la capacité des grands modèles de langage à comprendre et à raisonner sur des mises en page de tableaux irrégulières.

Auteurs originaux : Bin Cao, Huixian Lu, Chenwen Ma, Ting Wang, Ruizhe Li, Jing Fan

Publié 2026-06-26

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Bin Cao, Huixian Lu, Chenwen Ma, Ting Wang, Ruizhe Li, Jing Fan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Problème : L'erreur de la « Terre Plate »

Imaginez que vous essayiez d'expliquer un arbre généalogique complexe à un ami qui n'en a jamais vu de sa vie. Si vous vous contentez de lire les noms sous forme de liste, de haut en bas (comme une liste de courses), votre ami sera perdu. Il ne saura pas qui est le grand-père, qui est l'oncle, ou quelle branche de la famille appartient à quel côté.

C'est exactement ce qui arrive lorsque les modèles de langage étendus (LLM) tentent de lire des tableaux complexes.

Le Problème : Les tableaux du monde réel (comme les rapports financiers ou les données scientifiques) sont désordonnés. Ils possèdent des en-têtes qui s'étendent sur plusieurs colonnes, des cellules fusionnées, et des informations imbriquées les unes dans les autres.
L'Ancienne Méthode : Les méthodes actuelles d'IA tentent généralement d'« aplatir » ces tableaux. Elles transforment la grille 2D en une longue ligne droite de texte (comme une phrase).
Le Résultat : Lorsque l'IA aplatit le tableau, elle perd la logique de l'« arbre généalogique ». Elle peut penser qu'un chiffre spécifique appartient à la mauvaise catégorie parce que les indices visuels (comme l'emplacement d'une cellule) ne correspondent pas à l'ordre du texte. C'est comme lire un roman où les chapitres seraient mélangés ; l'histoire n'a plus aucun sens.

La Solution : Le cadre de « Décomposition Orthogonale »

Les auteurs proposent une nouvelle méthode appelée OHD (Orthogonal Hierarchical Decomposition). Au lieu d'aplatir le tableau en une ligne désordonnée, ils le décomposent en deux « arbres » distincts et clairs qui travaillent ensemble.

Considérez un tableau complexe non pas comme une grille unique, mais comme deux cartes séparées :

L'Arbre des Colonnes : Une carte de la façon dont les en-têtes verticaux sont liés entre eux.
L'Arbre des Lignes : Une carte de la façon dont les en-têtes horizontaux sont liés entre eux.

En séparant ces deux directions, l'IA peut comprendre la structure sans être confuse par la mise en page désordonnée.

Comment cela fonctionne : Le processus en trois étapes

1. Construire les arbres (Induction d'arbres orthogonaux)

Imaginez que vous êtes un détective essayant de comprendre la hiérarchie d'une entreprise.

La Règle : Vous regardez le tableau et vous demandez : « Est-ce que cette cellule est un patron (en-tête) ou un employé (donnée) ? »
La Magie : L'IA utilise une règle spéciale appelée « Synergie Spatio-Sémantique ». Elle ne se contente pas de regarder où se trouve la cellule (géométrie) ; elle lit aussi ce que la cellule dit (sémantique).
- Analogie : Si un en-tête dit « Détails 2007 » et qu'il est physiquement situé sous un en-tête « 2016 », un robot simple pourrait penser qu'ils sont liés. Mais l'IA OHD lit le texte, réalise que « 2007 » et « 2016 » sont des années différentes, et dit : « Non, ils ne sont pas liés, même s'ils sont l'un à côté de l'autre. » Elle construit deux arbres séparés : un pour les lignes et un pour les colonnes, garantissant que la logique est parfaite avant de continuer.

2. Relier les points (Association par double voie)

Maintenant que l'IA a construit l'Arbre des Lignes et l'Arbre des Colonnes, elle doit raconter l'histoire d'un point de donnée spécifique (comme un montant en dollars précis).

La Méthode : Elle crée une phrase pour chaque nombre en suivant deux chemins différents :
- Chemin A (Le Prémisse) : « Ce nombre se trouve sous la colonne 'Ventes'... »
- Chemin B (L'Attribut) : « ...qui est dans la ligne 'T3'... »
Le Résultat : Elle combine ces chemins pour dire : « Dans la colonne 'Ventes', pour la ligne 'T3', la valeur est de 500 $. » Cela garantit que l'IA sait exactement d'où vient le nombre dans la structure complexe.

3. L'Arbitre (Arbitrage Sémantique)

Parfois, les deux chemins (Arbre des Lignes et Arbre des Colonnes) peuvent raconter l'histoire de manières légèrement différentes.

Le Rôle : L'IA fait appel à un « Arbitre » (un modèle de langage étendu) pour examiner les deux versions de l'histoire.
La Décision : L'arbitre choisit la version la plus claire et la plus logique pour la présenter à l'utilisateur. Il agit comme un éditeur s'assurant que l'histoire finale est facile à comprendre et exempte de contradictions.

Pourquoi c'est important (Les Résultats)

Les auteurs ont testé cette nouvelle méthode sur deux jeux de données difficiles (AITQA et HiTab) remplis de tableaux complexes et désordonnés.

Le Résultat : OHD bat systématiquement les meilleures méthodes actuelles.
L'Analogie : Si les autres méthodes étaient comme essayer de naviguer dans une ville à l'aide d'une carte plate d'un bâtiment en 3D (où le 2ème étage est écrasé sur le 1er), OHD est comme donner à l'IA un modèle 3D du bâtiment. Elle sait exactement quel étage est lequel et comment les pièces sont connectées.
Victoire Spécifique : Dans un cas de test, d'autres méthodes ont été confondues par un détail « 2007 » caché sous un en-tête « 2016 » et ont donné une mauvaise réponse. OHD a correctement identifié qu'ils étaient distincts, a calculé la bonne réponse et a évité le piège.

Résumé

Ce papier présente une façon d'apprendre à l'IA à lire des tableaux complexes et désordonnés en les dézippant en deux arbres logiques (lignes et colonnes) au lieu de les écraser en une ligne. En respectant la structure originale et en utilisant un « arbitre » pour choisir la meilleure explication, l'IA peut enfin comprendre des données complexes sans se perdre.

Résumé technique : Décomposition hiérarchique orthogonale pour la compréhension de tableaux sensibles à la structure avec les grands modèles de langage

1. Énoncé du problème

Les tableaux complexes présents dans les rapports scientifiques, les états financiers et l'informatique décisionnelle s'écartent souvent de la grille canonique $N \times M$ . Ces structures présentent deux défis primordiaux pour les grands modèles de langage (LLM) :

Hiérarchie structurelle : Les en-têtes à niveaux multiples imbriqués exigent que les cellules de données soient tracées sémantiquement à travers des chaînes de labels ancestraux. Sans ce contexte, des entrées isolées (ex. : « autres villes ») deviennent ambiguës.
Discontinuité spatio-logique : Les cellules fusionnées irrégulières et les en-têtes décalés brisent l'indexation standard par grille. La proximité spatiale ne garantit plus l'association logique, ce qui fait échouer le balayage traditionnel basé sur les coordonnées (ex. : interpréter par erreur une ligne de « détails » comme étant l'enfant d'une colonne « année » en raison de l'alignement vertical).

Les approches existantes reposent généralement sur la linéarisation plate (perte des dépendances hiérarchiques), la modélisation programmatique (en difficulté face aux mises en page non canoniques) ou la reconstruction de la topologie logique (reposant souvent sur des heuristiques géométriques qui ignorent les nuances sémantiques). Ces méthodes entraînent fréquemment un effondrement structurel ou un désalignement entre les sémantiques structurelles et les représentations textuelles.

2. Méthodologie : Décomposition hiérarchique orthogonale (OHD)

Les auteurs proposent le cadre de la Décomposition Hiérarchique Orthogonale (OHD), qui déplace le paradigme de la modélisation de grille globale vers la décomposition des tableaux en structures hiérarchiques indépendantes et synchronisées sémantiquement. Le pipeline se compose de trois étapes clés :

A. Induction d'arbre orthogonal (OTI)

L'algorithme central factorise un tableau en deux arbres indépendants : un Arbre de Colonnes ( $T_{col}$ ) et un Arbre de Lignes ( $T_{row}$ ). Ce découplage isole le bruit structurel et gère les mises en page irrégulières en reconstruisant la hiérarchie logique de chaque dimension séparément. L'induction est guidée par la Synergie Sémantique-Spatiale :

Agentivité Sémantique : Dans $T_{col}$ , seuls les en-têtes de colonnes agissent comme des nœuds de branchement internes ; les en-têtes de lignes et les cellules de données sont traités comme des nœuds feuilles atomiques. Les rôles sont inversés pour $T_{row}$ .
Subsomption Sémantique-Spatiale : Une arête entre un parent et un enfant est établie uniquement si l'enfant est spatialement contenu dans la boîte englobante (bounding box) du parent et qu'un grand modèle de langage (LLM) confirme une subsomption logique (ex. : héritage de catégorie). Cela agit comme un pont neuro-symbolique pour corriger les ambiguïtés géométriques.
Unidirectionnalité Structurelle : Les cellules de données sont des nœuds terminaux sans branchement descendant, empêchant l'imbrication spécieuse de notes de bas de page ou de remarques sous des valeurs numériques.
Ancrage de Données Adaptatif : Pour résoudre les conflits où les cellules de données se situent sur des frontières chevauchantes d'en-têtes conflictuels, le cadre utilise des contraintes de bordure de ligne pour assigner de manière adaptative l'en-tête parent correct.

B. Association par double voie

Une fois $T_{col}$ et $T_{row}$ induits, le cadre reconstruit la lignée sémantique de chaque cellule en utilisant un protocole à double voie. Pour toute cellule de donnée $d$ :

Contexte de Prémisse : Une recherche en profondeur (DFS) sur l'arbre primaire (ex. : $T_{col}$ ) génère le chemin des en-têtes menant à $d$ .
Contexte d'Attribut : Un parcours ascendant de l'arbre orthogonal (ex. : $T_{row}$ ) capture les attributs structurels. Le cadre interroge l'arbre primaire pour trouver les en-têtes correspondants dans la dimension opposée, entrelaçant ces chemins pour récupérer les coordonnées multidimensionnelles.
Synthèse : La représentation finale suit une structure « Contexte de Prémisse $\to$ Contexte d'Attribut $\to$ Valeur », reconstruisant symétriquement la lignée depuis les deux perspectives.

C. Arbitrage Sémantique

Reconnaissant que $T_{col}$ et $T_{row}$ offrent des vues complémentaires, le cadre utilise un LLM comme arbitre sémantique. Il évalue les séquences candidates synthétisées en fonction de la cohésion logique, de l'exhaustivité de l'information et de la lisibilité syntaxique. En utilisant un prompt zero-shot, le LLM sélectionne la perspective la plus claire ou fusionne les deux pour produire un substitut textuel de haute fidélité, sensible à la structure et prêt pour le raisonnement en aval.

3. Contributions Clés

Cadre OHD : Un nouveau paradigme qui décompose les tableaux complexes en arbres hiérarchiques orthogonaux, atténuant efficacement l'effondrement structurel dans les mises en page non standard.
Induction d'Arbre Orthogonal (OTI) : Un algorithme incorporant des contraintes conjointes spatio-sémantiques pour déterminer les relations logiques, améliorant considérablement la robustesse face aux en-têtes flexibles et aux cellules fusionnées.
Association par Double Voie : Un protocole qui reconstruit des lignées sémantiques multicouches, permettant aux LLM d'effectuer un raisonnement fidèle sur des structures hétérogènes en préservant les dépendances verticales et horizontales.

4. Résultats Expérimentaux

Le cadre a été évalué sur deux benchmarks de questions-réponses sur des tableaux complexes : AITQA (tableaux financiers/statistiques) et HiTab (tableaux hiérarchiques nécessitant un raisonnement multi-étapes).

Performance : OHD a systématiquement surpassé les bases de référence de l'état de l'art (incluant Chain-of-Table, E5 et ST-RAPTOR) sur plusieurs architectures de LLM (Qwen2-72B, TableLLaMA-7B, DeepSeek-V3).
- Sur AITQA avec Qwen2-72B, OHD a atteint une correspondance exacte (EM) de 69,34, dépassant la base la plus forte (ST-RAPTOR) de 8,76 points.
- Sur le Sous-ensemble HiTab, OHD a atteint un EM de 64,74, soit une amélioration de 9,01 points par rapport à la base de référence.
- La Moyenne d'Évaluation LLM (précision sémantique) a montré des gains encore plus significatifs, OHD atteignant 89,12 sur AITQA (+18,09 par rapport à ST-RAPTOR).
Études d'Ablation :
- Le retrait des contraintes sémantiques ( $w/o\ C_{semantic}$ ) a provoqué une chute de performance d'environ 6 %, confirmant la nécessité de la validation sémantique pilotée par le LLM.
- Le retrait de l'une des voies orthogonales ( $w/o\ TP$ ) a entraîné des chutes drastiques (jusqu'à 20 % sur AITQA), validant la nécessité de la reconstruction par double axe.
- Le remplacement de la représentation par double voie par une linéarisation standard en Markdown/HTML a entraîné des pertes de plus de 10 % en EM, prouvant la supériorité de la représentation par chemin hiérarchique.
Robustesse : OHD a démontré une résilience supérieure à mesure que l'échelle des tableaux augmentait. Alors que les bases de référence comme Chain-of-Table ont vu leur performance chuter d'environ 19 points en passant de petits à de grands tableaux, le déclin d'OHD est resté marginal (~7 points).

5. Signification et Revendications

L'article affirme qu'OHD comble avec succès l'écart entre les topologies de tableaux bidimensionnels complexes et les capacités de raisonnement linéaire des LLM. En transformant les mises en page physiques fragiles en lignées sémantiques robustes et sensibles à la structure, le cadre répond au défi persistant de la compréhension des tableaux avec des en-têtes à multiples niveaux et des cellules fusionnées.

Les auteurs soulignent que la représentation de lignée par double voie est le principal moteur de performance, empêchant efficacement l'effondrement structurel courant dans les représentations traditionnelles. Ils positionnent OHD non pas comme un remplacement pour les LLM, mais comme une architecture « plug-and-play » qui complète et amplifie les capacités de raisonnement des modèles modernes. Le travail suggère que la décomposition orthogonale offre une direction prometteuse pour atteindre une compréhension de tableau granulaire et fiable dans diverses applications du monde réel, des travaux futurs étant prévus pour étendre le cadre aux rapports financiers à très grande échelle et intégrer des signaux multimodaux.