PEneo: 文書ペアのエンドツーエンド抽出に向けたライン抽出、ライングループ化、およびエンティティリンクの統一

ドキュメントペア抽出の目的は、視覚的に豊かなドキュメントからキーとバリューのエンティティおよびそれらの関係を特定することである。既存の方法の多くはこれを2つの別個のタスクに分割している：意味的エンティティ認識（Semantic Entity Recognition, SER）と関係抽出（Relation Extraction, RE）。しかし、単純にSERとREを連続的に結合すると、重大な誤り伝播が発生し、実際のシナリオにおける複数行エンティティなどのケースを処理できないという問題がある。これらの課題に対処するため、本論文では新しいフレームワークPEneo（Pair Extraction new decoder option）を提案する。このフレームワークは統一されたパイプラインでドキュメントペア抽出を行い、3つの並行したサブタスク：行抽出、行グループ化、エンティティリンクを組み込む。この手法により、誤差蓄積問題が軽減され、複数行エンティティのケースも処理可能となる。さらに、モデルの性能評価を改善し、将来のペア抽出に関する研究を促進するために、RFUNDという再注釈版データセットを導入する。これは一般的に使用されているFUNSDとXFUNDデータセットの再注釈版であり、より正確かつ現実的な状況をカバーしている。様々なベンチマークでの実験結果は、LiLTやLayoutLMv3などのさまざまなバックボーンと組み合わせた場合でもPEneoが従来のパイプラインよりも優れていることを示しており、RFUND-ENにおいてF1スコアが19.89%〜22.91%向上するなど、その有効性と汎用性が確認された。コードと新しい注釈データは以下のURLから入手可能である：https://github.com/ZeningLin/PEneo。