Resumo Técnico: Decomposição Hierárquica Ortogonal para Compreensão de Tabelas Sensível à Estrutura com Grandes Modelos de Linguagem

1. Declaração do Problema

Tabelas complexas encontradas em relatórios científicos, demonstrações financeiras e inteligência de negócios frequentemente se desviam da grade canônica $N \times M$. Essas estruturas apresentam dois desafios primários para os Grandes Modelos de Linguagem (LLMs):

1. Hierarquia Estrutural: Cabeçalhos multiníveis aninhados exigem que as células de dados sejam rastreadas semanticamente de volta através de cadeias de rótulos ancestrais. Sem esse contexto, entradas isoladas (ex: "outras cidades") tornam-se ambíguas.
2. Descontinuidade Espacial-Lógica: Células mescladas irregularmente e cabeçalhos deslocados quebram a indexação de grade padrão. A proximidade espacial não garante mais a associação lógica, fazendo com que o escaneamento tradicional baseado em coordenadas falhe (ex: interpretando incorretamente uma linha de "detalhes" como filha de uma coluna de "ano" devido ao alinhamento vertical).

Abordagens existentes normalmente dependem de linearização plana (perdendo dependências hierárquicas), modelagem programática (com dificuldades perante layouts não canônicos) ou reconstrução de topologia lógica (frequentemente dependendo de heurísticas baseadas em geometria que ignoram nuances semânticas). Esses métodos frequentemente resultam em colapso estrutural ou desalinhamento entre semântica estrutural e representações textuais.

2. Metodologia: Decomposição Hierárquica Ortogonal (OHD)

Os autores propõem o framework de Decomposição Hierárquica Ortogonal (OHD), que altera o paradigma de modelagem de grade global para a decomposição de tabelas em estruturas hierárquicas independentes e semanticamente sincronizadas. O pipeline consiste em três estágios principais:

A. Indução de Árvore Ortogonal (OTI)

O algoritmo central fatoriza uma tabela em duas árvores independentes: uma Árvore de Colunas ($T_{col}$) e uma Árvore de Linhas ($T_{row}$). Este desacoplamento isola o ruído estrutural e lida com layouts irregulares ao reconstruir a hierarquia lógica de cada dimensão separadamente. A indução é guiada pela Sinergia Semântico-Espacial:

• Agência Semântica: Em $T_{col}$, apenas os cabeçalhos de coluna atuam como nós de ramificação internos; os cabeçalhos de linha e as células de dados são tratados como nós folha atômicos. Os papéis são invertidos para $T_{row}$.
• Subsumção Semântico-Espacial: Uma aresta entre um pai e um filho é estabelecida apenas se o filho estiver espacialmente contido dentro da caixa delimitadora (bounding box) do pai e um Grande Modelo de Linguagem (LLM) confirmar uma subsumção lógica (ex: herança de categoria). Isso atua como uma ponte neuro-simbólica para corrigir ambiguidades geométricas.
• Unidirecionalidade Estrutural: As células de dados são nós terminais sem ramificação descendente, evitando o aninhamento espúrio de notas de rodapé ou observações sob valores numéricos.
• Ancoragem de Dados Adaptativa: Para resolver conflitos onde células de dados residem em fronteiras sobrepostas de cabeçalhos conflitantes, o framework utiliza restrições de fronteira de linha para atribuir adaptativamente o cabeçalho pai correto.

B. Associação de Via Dupla

Uma vez induzidas $T_{col}$ e $T_{row}$, o framework reconstrói a linhagem semântica de cada célula usando um protocolo de via dupla. Para qualquer célula de dado $d$:

1. Contexto de Premissa: Uma busca em profundidade (DFS) na árvore primária (ex: $T_{col}$) gera o caminho de cabeçalhos que leva a $d$.
2. Contexto de Atributo: Uma travessia de baixo para cima da árvore ortogonal (ex: $T_{row}$) captura os atributos estruturais. O framework consulta a árvore primária para encontrar os cabeçalhos correspondentes na dimensão oposta, intercalando esses caminhos para recuperar coordenadas multidimensionais.
3. Síntese: A representação final segue uma estrutura de "Contexto de Premissa $\to$ Contexto de Atributo $\to$ Valor", reconstruindo simetricamente a linhagem a partir de ambas as perspectivas.

C. Arbitragem Semântica

Reconhecendo que $T_{col}$ e $T_{row}$ oferecem visões complementares, o LLM atua como um árbitro semântico. Ele avalia as sequências candidatas sintetizadas com base na coesão lógica, completude da informação e legibilidade sintática. Usando um prompt de zero-shot, o LLM seleciona a perspectiva mais clara ou funde ambas para produzir um substituto textual de alta fidelidade e sensível à estrutura, pronto para o raciocínio subsequente.

3. Principais Contribuições

• Framework OHD: Um novo paradigma que decompõe tabelas complexas em árvores hierárquicas ortogonais, mitigando efetivamente o colapso estrutural em layouts não padronizados.
• Indução de Árvore Ortogonal (OTI): Um algoritmo que incorpora restrições co-semântico-espaciais para determinar relações lógicas, melhorando significativamente a robustez contra cabeçalhos flexíveis e células mescladas.
• Associação de Via Dupla: Um protocolo que reconstrói linhagens semânticas de múltiplas camadas, permitindo que LLMs realizem raciocínios fiéis em estruturas heterogêneas ao preservar dependências verticais e horizontais.

4. Resultados Experimentais

O framework foi avaliado em dois benchmarks de QA de tabelas complexas: AITQA (tabelas financeiras/estatísticas) e HiTab (tabelas hierárquicas que exigem raciocínio de múltiplos saltos).

• Desempenho: O OHD superou consistentemente os baselines de estado da arte (incluindo Chain-of-Table, E5 e ST-RAPTOR) através de múltiplos backbones de LLM (Qwen2-72B, TableLLaMA-7B, DeepSeek-V3).
  • No AITQA com Qwen2-72B, o OHD alcançou um Exact Match (EM) de 69.34, superando o baseline mais forte (ST-RAPTOR) em 8.76 pontos.
  • No HiTab Subset, o OHD alcançou um EM de 64.74, uma melhoria de 9.01 pontos sobre o baseline.
  • O LLM Eval Avg. (precisão semântica) mostrou ganhos ainda mais significativos, com o OHD atingindo 89.12 no AITQA (+18.09 sobre o ST-RAPTOR).
• Estudos de Ablação:
  • Remover restrições semânticas ($w/o\ C_{semantic}$) causou uma queda de desempenho de ~6%, confirmando a necessidade da validação semântica impulsionada por LLM.
  • Remover uma das vias ortogonais ($w/o\ TP$) levou a quedas drásticas (até 20% no AITQA), validando a necessidade da reconstrução de via dupla.
  • Substituir a representação de via dupla pela linearização padrão em Markdown/HTML resultou em perdas de mais de 10% em EM, provando a superioridade da representação de caminho hierárquico.
• Robustez: O OHD demonstrou resiliência superior conforme a escala da tabela aumentava. Enquanto baselines como Chain-of-Table viram o desempenho cair cerca de 19 pontos ao passar de tabelas pequenas para grandes, o declínio do OHD foi marginal (~7 pontos).

5. Significância e Alegações

O artigo afirma que o OHD consegue preencher a lacuna entre as topologias de tabelas bidimensionais complexas e as capacidades de raciocínio linear dos LLMs. Ao transformar layouts físicos frágeis em linhagens semânticas robustas e conscientes da estrutura, o framework aborda o desafio persistente de compreender tabelas com cabeçalhos multiníveis e células mescladas.

Os autores enfatizam que a representação de linhagem de via dupla é o principal motor de desempenho, prevenindo efetivamente o colapso estrutural comum em representações tradicionais. Eles posicionam o OHD não como um substituto para os LLMs, mas como uma arquitetura "plug-and-play" que complementa e amplifica as capacidades de raciocínio dos modelos modernos. O trabalho sugere que a decomposição ortogonal fornece uma direção promissora para alcançar compreensão de tabelas granular e confiável em diversas aplicações do mundo real, com trabalhos futuros planejados para estender o framework para relatórios financeiros de escala ultra-grande e integrar sinais multimodais.