الآلات الرسمية التعاونية العصبية للاعتراف ببنية الجداول

في الآونة الأخيرة، حققت تقنيات التعرف على هيكل الجداول تقدماً ملحوظاً بفضل نماذج الرسوم البيانية العميقة. ومع ذلك، فإن معظم هذه التقنيات تستغل مؤشرات بصرية واحدة للعناصر الجدولية أو تقوم بدمج المؤشرات البصرية مع أنماط أخرى في وقت مبكر لاستنتاج علاقاتها الرسومية. ولكن، لا يمكن أن يكون الدمج المبكر أو الاستدلال الفردي بناءً على أنماط متعددة مناسباً لجميع أنواع هيكل الجداول التي تتميز بالتنوع الكبير. بدلاً من ذلك، يُتوقع من الأنماط المختلفة أن تعمل بشكل تعاوني مع بعضها البعض بنمط مختلف لكل حالة جدول. في المجتمع العلمي، لم يتم استكشاف أهمية التفاعلات داخل الأنواع وبين الأنواع في استدلال هيكل الجداول بشكل كافٍ بعد. في هذا البحث، نحدد هذه المسألة كمشكلة التعرف على الهياكل الجدولية غير المتجانسة (Hetero-TSR). بهدف سد هذه الثغرة، نقدم نظاماً جديداً يُسمى آلات الرسوم البيانية التعاونية العصبية (NCGM) مجهزة بكتل تعاونية متراكمة، والتي تقوم باستخراج السياق داخل الأنواع ونمذجة التفاعلات بين الأنواع بطريقة هرمية بديلة. يمكن لهذا النظام تمثيل علاقات العناصر الجدولية داخل الأنواع وبين الأنواع بشكل أكثر ثباتاً، مما يحسن أداء التعرف بشكل كبير. كما نوضح أن النظام المقترح NCGM يمكنه تعديل النمط التعاوني لأنماط مختلفة بناءً على سياق المؤشرات داخل الأنواع، وهو أمر حاسم للحالات الجدولية المتنوعة. النتائج التجريبية على مقاييس القياس تظهر أن نظام NCGM المقترح يحقق أداءً رائداً ويتفوق على الأساليب المعاصِرة الأخرى بمargins كبيرة خاصة في السيناريوهات الصعبة.请注意，最后一句中的 "margins" 一词在阿拉伯语中没有直接对应的术语，因此我将其翻译为 "هامش كبير"，以保持句子的流畅性和可读性。如果您有特定的术语偏好，请告知我。