Neural Graph Matching for Modification Similarity Applied to Electronic Document Comparison

要約

この論文では、ドキュメント比較に適用される新しいニューラル グラフ マッチング アプローチを紹介します。
ドキュメントの比較は、法律および金融業界では一般的なタスクです。
場合によっては、最も重要な違いは、単語、文、節、または段落の追加または省略である可能性があります。
ただし、編集されたプロセス全体を記録またはトレースしないと、困難な作業になります。
多くの一時的な不確実性の下で、どの要素ブロックが他の要素ブロックと編集の関係にあるかを確認するために、正確な比較に近づくためのアプローチの可能性を探ります。
最初に、従来の技術と最新の技術を組み合わせてレイアウトをさまざまなタイプのブロックに適切にセグメント化するドキュメント レイアウト分析を適用します。
次に、この問題をテキスト認識とのレイアウト グラフ マッチングの問題に変換します。
グラフ マッチングについては、幅広いアプリケーションで長年研究されてきた問題です。
ただし、視覚的なイメージや構造的なレイアウトに焦点を当てた以前の作品とは異なり、このドメインを適応させるためにモデルにテキスト機能も取り入れています。
具体的には、電子ドキュメントに基づいて、PDF からのビジュアル プレゼンテーションのデコードを処理するエンコーダを導入します。
さらに、変更によって変更されたドキュメント間のドキュメント レイアウト分析の不一致が発生し、ブロックがマージおよび分割される可能性があるため、多対多のブロック マッチングでこれらの問題の両方を克服しようとするグラフ ニューラル アプローチでシンクホーン ダイバージェンスが採用されています。
.
実際のケースのデータセットから収集された、法的合意と科学記事の 2 つのカテゴリのレイアウトでこれを示します。

要約(オリジナル)

In this paper, we present a novel neural graph matching approach applied to document comparison. Document comparison is a common task in the legal and financial industries. In some cases, the most important differences may be the addition or omission of words, sentences, clauses, or paragraphs. However, it is a challenging task without recording or tracing whole edited process. Under many temporal uncertainties, we explore the potentiality of our approach to proximate the accurate comparison to make sure which element blocks have a relation of edition with others. In beginning, we apply a document layout analysis that combining traditional and modern technics to segment layout in blocks of various types appropriately. Then we transform this issue to a problem of layout graph matching with textual awareness. About graph matching, it is a long-studied problem with a broad range of applications. However, different from previous works focusing on visual images or structural layout, we also bring textual features into our model for adapting this domain. Specifically, based on the electronic document, we introduce an encoder to deal with the visual presentation decoding from PDF. Additionally, because the modifications can cause the inconsistency of document layout analysis between modified documents and the blocks can be merged and split, Sinkhorn divergence is adopted in our graph neural approach, which tries to overcome both these issues with many-to-many block matching. We demonstrate this on two categories of layouts, as follows., legal agreement and scientific articles, collected from our real-case datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google