Sintesi Tecnica: Decomposizione Gerarchica Ortogonale per la Comprensione di Tabelle Sensibili alla Struttura con Large Language Models

1. Definizione del Problema

Le tabelle complesse presenti in report scientifici, rendiconti finanziari e business intelligence spesso deviano dalla griglia canonica $N \times M$. Queste strutture presentano due sfide primarie per i Large Language Models (LLM):

1. Gerarchia Strutturale: Gli header nidificati a più livelli richiedono che le celle dei dati siano tracciate semanticamente attraverso catene di etichette ancestrali. Senza questo contesto, le voci isolate (ad es., "altre città") risultano ambigue.
2. Discontinuità Spaziale-Logica: Celle unite in modo irregolare e header traslati interrompono l'indicizzazione standard della griglia. La prossimità spaziale non garantisce più l'associazione logica, causando il fallimento della scansione tradizionale basata sulle coordinate (ad es., interpretare erroneamente una riga di "dettagli" come figlia di una colonna "anno" a causa dell'allineamento verticale).

Gli approcci esistenti si affidano tipicamente alla linearizzazione piatta (perdendo le dipendenze gerarchiche), alla modellazione programmatica (che fatica con layout non canonici) o alla ricostruzione della topologia logica (che spesso si basa su euristiche geometriche che ignorano le sfumature semantiche). Questi metodi risultano frequentemente in un collasso strutturale o in un disallineamento tra semantica strutturale e rappresentazioni testuali.

2. Metodologia: Decomposizione Gerarchica Ortogonale (OHD)

Gli autori propongono il framework Orthogonal Hierarchical Decomposition (OHD), che sposta il paradigma dalla modellazione globale della griglia alla decomposizione delle tabelle in strutture gerarchiche indipendenti e semanticamente sincronizzate. La pipeline consiste in tre fasi principali:

A. Induzione di Alberi Ortogonali (OTI)

L'algoritmo centrale fattorizza una tabella in due alberi indipendenti: un Albero delle Colonne ($T_{col}$) e un Albero delle Righe ($T_{row}$). Questo disaccoppiamento isola il rumore strutturale e gestisce i layout irregolari ricostruendo la gerarchia logica di ciascuna dimensione separatamente. L'induzione è guidata dalla Sinergia Semantico-Spaziale:

• Agenzia Semantica: In $T_{col}$, solo gli header di colonna agiscono come nodi di ramificazione interni; gli header di riga e le celle di dati sono trattati come nodi foglia atomici. I ruoli sono invertiti per $T_{row}$.
• Sussunzione Semantico-Spaziale: Un arco tra un genitore e un figlio viene stabilito solo se il figlio è spazialmente contenuto nel bounding box del genitore e un Large Language Model (LLM) conferma una sussunzione logica (ad es., eredità di categoria). Ciò funge da ponte neuro-simbolico per correggere le ambiguità geometriche.
• Unidirezionalità Strutturale: Le celle di dati sono nodi terminali senza ramificazione verso il basso, prevenendo l'annidamento spurio di note a piè di pagina o osservazioni sotto i valori numerici.
• Ancoraggio Adattivo dei Dati: Per risolvere i conflitti in cui le celle di dati giacciono su confini sovrapposti di header contrastanti, il framework utilizza vincoli di confine della riga per assegnare adattivamente l'header genitore corretto.

B. Associazione a Doppio Percorso

Una volta indotti $T_{col}$ e $T_{row}$, il framework ricostruisce la linea di discendenza semantica di ogni cella utilizzando un protocollo a doppio percorso. Per ogni cella di dato $d$:

1. Contesto di Premessa: Una ricerca depth-first (DFS) sull'albero primario (ad es., $T_{col}$) genera il percorso di header che conduce a $d$.
2. Contesto di Attributo: Una traversata bottom-up dell'albero ortogonale (ad es., $T_{row}$) cattura gli attributi strutturali. Il framework interroga l'albero primario per trovare gli header corrispondenti nella dimensione opposta, intercalando questi percorsi per recuperare le coordinate multidimensionali.
3. Sintesi: La rappresentazione finale segue una struttura "Contesto di Premessa $\to$ Contesto di Attributo $\to$ Valore", ricostruendo simmetricamente la discendenza da entrambe le prospettive.

C. Arbitrato Semantico

Riconoscendo che $T_{col}$ e $T_{row}$ offrono viste complementari, l'LLM agisce come un arbitro semantico. Esso valuta le sequenze candidate sintetizzate in base alla coesione logica, alla completezza delle informazioni e alla leggibilità sintattica. Utilizzando un prompt zero-shot, l'LLM seleziona la prospettiva più chiara o le fonde per produrre un surrogato testuale ad alta fedeltà e consapevole della struttura, pronto per il ragionamento a valle.

3. Contributi Chiave

• Framework OHD: Un nuovo paradigma che decompone tabelle complesse in alberi gerarchici ortogonali, mitigando efficacementamente il collasso strutturale in layout non standard.
• Induzione di Alberi Ortogonali (OTI): Un algoritmo che incorpora vincoli co-spaziali-semantici per determinare le relazioni logiche, migliorando significativamente la robustezza contro header flessibili e celle unite.
• Associazione a Doppio Percorso: Un protocollo che ricostruisce linee di discendenza semantica multilivello, consentendo agli LLM di eseguire un ragionamento fedele su strutture eterogenee preservando sia le dipendenze verticali che quelle orizzontali.

4. Risultati Sperimentali

Il framework è stato valutato su due benchmark di QA su tabelle complesse: AITQA (tabelle finanziarie/statistiche) e HiTab (tabelle gerarchiche che richiedono ragionamento multi-hop).

• Performance: OHD ha superato costantemente i baseline allo stato dell'arte (inclusi Chain-of-Table, E5 e ST-RAPTOR) su molteplici backbone di LLM (Qwen2-72B, TableLLaMA-7B, DeepSeek-V3).
  • Su AITQA con Qwen2-72B, OHD ha raggiunto un Exact Match (EM) di 69.34, superando il baseline più forte (ST-RAPTOR) di 8.76 punti.
  • Sul Sottoinsieme HiTab, OHD ha raggiunto un EM di 64.74, un miglioramento di 9.01 punti rispetto al baseline.
  • L'LLM Eval Avg. (accuratezza semantica) ha mostrato guadagni ancora più significativi, con OHD che raggiunge 89.12 su AITQA (+18.09 rispetto a ST-RAPTOR).
• Studi di Ablazione:
  • Rimuovendo i vincoli semantici ($w/o\ C_{semantic}$), si è verificato un calo delle prestazioni di circa il 6%, confermando la necessità della validazione semantica guidata da LLM.
  • Rimuovendo uno dei percorsi ortogonali ($w/o\ TP$), si sono verificati cali drastici (fino al 20% su AITQA), validando la necessità della ricostruzione a doppio asse.
  • Sostituendo la rappresentazione a doppio percorso con la standard linearizzazione Markdown/HTML, si sono registrate perdite di oltre il 10% in EM, provando la superiorità della rappresentazione del percorso gerarchico.
• Robustezza: OHD ha dimostrato una resilienza superiore all'aumentare della scala della tabella. Mentre i baseline come Chain-of-Table hanno visto le prestazioni scendere di circa 19 punti passando da tabelle piccole a grandi, il declino di OHD è stato marginale (~7 punti).

5. Significato e Rivendicazioni

Il paper sostiene che OHD colmi con successo il divario tra le topologie di tabelle bidimensionali complesse e le capacità di ragionamento lineare degli LLM. Trasformando layout fisici fragili in robuste linee di discendenza semantica consapevole della struttura, il framework affronta la sfida persistente della comprensione di tabelle con header multilivello e celle unite.

Gli autori sottolineano che la rappresentazione della linea di discendenza a doppio percorso è il driver principale delle prestazioni, prevenendo efficacemente il collasso strutturale comune nelle rappresentazioni tradizionali. Posizionano OHD non come un sostituto per gli LLM, ma come un'architettura "plug-and-play" che completa e amplifica le capacità di ragionamento dei modelli moderni. Il lavoro suggerisce che la decomposizione ortogonale fornisca una direzione promettente per raggiungere una comprensione delle tabelle granulare e affidabile in diverse applicazioni del mondo reale, con lavori futuri pianificati per estendere il framework a report finanziari ultra-large e integrare segnali multimodali.