Сегментация документов на основе графовых нейронных сетей: от строк к словам

Д. Е. Копылов^ab, А. А. Михайлов^ac, Р. И. Трифонов<sup>ab

a</sup> Институт динамики систем и теории управления имени В.М. Матросова Сибирского отделения Российской академии наук
^b Институт математики, экономики и информатики Иркутского государственного университета
^c Институт системного программирования им. В.П. Иванникова РАН

Аннотация: В работе представлен метод анализа макета PDF документов на основе графовых нейронных сетей (GNN), использующий слова в качестве узлов графа для преодоления ограничений современных подходов, опирающихся на строки или локальные области. Предложенная модель WordGLAM, основанная на модифицированных графовых сверточных слоях, демонстрирует возможность построения иерархических структур через агрегацию слов, что обеспечивает баланс между точностью детекции элементов и их семантической связностью. Несмотря на отставание от лидирующих моделей в данной области (например, от модели Vision Grid Transformer) по метрикам точности, исследование выявляет системные проблемы области: дисбаланс данных, неоднозначность кластеризации слов («цепные связи», «мосты» между несвязанными регионами), а также спорные критерии выбора классов при разметке. Ключевым вкладом работы является формулировка новых исследовательских задач, включая оптимизацию векторных представлений слов, учет признаков ребер и разработку методов оценки для сложных иерархий. Результаты подтверждают перспективность подхода для создания адаптируемых моделей, способных обрабатывать разноформатные документы (научные статьи, юридические тексты). Работа фокусирует внимание на необходимости дальнейших исследований в области регуляризации и расширения обучающих данных, открывая пути для улучшения переносимости методов анализа макета на новые домены. Код и модели были опубликованы на GitHub (https://github.com/YRL-AIDA/wordGLAM).

Ключевые слова: графовые нейронные сети, сверточные графовые нейронные сети, сегментация документа, анализ макета документа, регионы документа, блоки документа, сегменты документа

DOI: 10.15514/ISPRAS-2025-37(6)-14