استعادة تخطيط التعرّف الضوئي على الحروف: لماذا يحدّد ترتيب القراءة دقة الجداول والنماذج

تُعد استعادة تخطيط المستندات عبر OCR مهمة لأن الأحرف الدقيقة قد تصبح مضللة عندما تُخرج التسميات والقيم والصفوف والأعمدة بترتيب خاطئ.

يمكن للماسح الضوئي التعرّف على كل كلمة في نموذج ضريبي، لكنه قد يربط مبلغًا بالتسمية المجاورة، أو يحوّل عمودًا من جدول إلى نص عمودًا بعد عمود بدلًا من صفًا بعد صف. ويُعد ترتيب القراءة البنية الوسيطة التي تربط الإحداثيات المرئية بالنص المتسلسل. وعندما تكون هذه البنية خاطئة، ترث عمليات الاستخراج والبحث وRAG مستندًا أُعيد ترتيبه بثقة زائفة.

دقة الأحرف لا تحافظ على علاقات المستند

يبدأ OCR عادةً باكتشاف المناطق والأسطر والكلمات والأحرف. وتجيب هذه التنبؤات عن النص الموجود ومكان ظهوره، لكنها لا تحدد أي كتلة يجب أن تلي أخرى. ويجب أن يختار تصدير النص العادي تسلسلًا واحدًا، لذا تصبح استعادة التخطيط عملية استدلال منفصلة تعتمد على المواقع والتجميع البصري وأعراف المستند.

يصف عمل بحث LayoutReader ترتيب القراءة بأنه عنصر أساسي للإيصالات والنماذج، وينشئ مجموعة بيانات كبيرة من بيانات تخطيط المستندات الوصفية. وتوضح نتائجه سبب قدرة تحسين ترتيب الأسطر على تحسين محركات OCR القادرة أصلًا، من دون تغيير أداة التعرّف على الأحرف.

يصبح هذا الفرق حاسمًا في الصفحات المنظمة. فقد يبدو السطر الموضوع في غير مكانه غير ضار داخل فقرة، بينما يمكن للخطأ نفسه في نموذج أن يربط قيمة بحقل خاطئ، وفي جدول أن ينقل كل خلية إلى السجل الخطأ.

يعيد ترتيب القراءة بناء الصفوف والأعمدة وأزواج الحقول

يتعامل نموذج التخطيط مع الكتل بوصفها عُقدًا، ويتنبأ بعلاقات الأسبقية أو التجاور بينها. وتوفر الهندسة مؤشرات مثل المحاذاة والتباعد والاحتواء وتكرار خطوط الأساس؛ بينما يوفر النص مؤشرات مثل العناوين وعلامات الترقيم وأنواع الحقول. ثم تُحوَّل البنية الناتجة إلى تسلسل خطي أو إلى هياكل الجداول وأزواج المفتاح والقيمة.

يجادل البحث حول علاقات الترتيب بأن تبديلًا واحدًا قد لا يعبّر عن كل علاقة صحيحة في صفحة معقدة. ويمكن للترتيب الثنائي الحفاظ على بنية أغنى عندما تنشئ الأشرطة الجانبية أو المناطق المتداخلة أو العناصر متعددة الأعمدة أكثر من مسار قراءة محتمل.

بالنسبة إلى النماذج، لا يكون الناتج المفيد غالبًا سلسلة نصية طويلة واحدة، بل علاقات مثل التسمية بالقيمة ومربع الاختيار بالسؤال. وبالنسبة إلى الجداول، يجب الحفاظ على عضوية الصفوف والأعمدة عند التسلسل. لذلك يدعم ترتيب القراءة استعادة البنية، ولا يقتصر دوره على جعل النص المستخرج سهل القراءة.

المواضع التي لا تزال فيها استعادة التخطيط تنتج أخطاء تبدو معقولة

قد تتسبب عمليات المسح المدوّرة والخلايا المدمجة والكتابة اليدوية والتعليقات العائمة والعناوين المتكررة والجداول التي لا تحتوي على حدود في إرباك القواعد البصرية المتعلَّمة من الصفحات الأنظف. وقد ينتج النموذج تسلسلًا سلسًا يعبر الأعمدة بصمت، خصوصًا عندما تحتوي الحقول المتجاورة على تواريخ أو عملات أو أسماء متوافقة.

تعمل نمذجة النص والتخطيط على نمذجة النص والموضع ثنائي الأبعاد والسمات البصرية معًا لفهم المستندات. ويفسر هذا المزيج سبب عدم كفاية الإحداثيات وحدها، لكنه يعني أيضًا أن الأخطاء في الاكتشاف أو OCR قد تلوّث التنبؤ البنيوي اللاحق.

وتتمثل حدود الفشل في أي مستند تظل فيه ترتيبات متعددة محتملة، أو عندما يغيّر الارتباط الخاطئ سجلًا ما. وفي هذه الحالة، احتفظ بالمربعات المحيطة وصور الصفحات، وأظهر مستوى عدم اليقين، واطلب المراجعة بدلًا من التعامل مع النص المتسلسل بوصفه بيانات معيارية.

Featured

ZimaCube 2 سحابة شخصية منزلية NAS

ZimaCube2

$799.00 - $2,499.00

Buy Now

أجرِ اختبارًا لإعادة بناء الخلايا والحقول

اختر عشر صفحات تمثيلية تحتوي على نص متعدد الأعمدة وخلايا مدمجة وعناوين متكررة ومربعات اختيار وأزواج من التسميات والقيم. وأنشئ مجموعة ذهبية صغيرة تسجل تسلسل القراءة المقصود، إضافةً إلى كل صف وعمود في الجدول وكل ارتباط في النموذج. وقيّم الناتج البنيوي، لا معدل أخطاء الأحرف وحده.

فهرس النص المستعاد وإحداثيات مصدره معًا، باتباع منهج الانضباط بالأدلة الموضح في استرجاع المستندات المنظمة. واستعلم عن القيم التي تظهر أكثر من مرة في الصفحة، وتحقق من أن كل إجابة تشير إلى التسمية والصف والعمود ومنطقة الصفحة الصحيحة.

لا تجتَز الاختبار إلا إذا حافظ النظام على العلاقات الذهبية وجرى وضع علامة على التخطيطات الملتبسة. فلا تعوّض درجة OCR المرتفعة الحقول المتبادلة؛ وإذا تركزت الأخطاء بحسب القالب، فأحِل ذلك القالب إلى محلل متخصص أو إلى مراجعة بشرية.