摘要

我们提出了一种从视觉丰富文档中进行结构化信息提取（SIE）的新方法。该方法旨在解决现有IOB标记或基于图的方法的局限性，这些方法要么过度依赖输入文本的正确顺序，要么在解码复杂图时遇到困难。受视觉领域中基于锚点的对象检测器的启发，我们将实体表示为一个锚点词和一个边界框，并将实体链接表示为锚点词之间的关联。这种方法对文本顺序更加鲁棒，并且保持了用于实体链接的紧凑图结构。新方法促使我们引入了1）一种文档变换器（DOCument TRansformer，简称DocTr），其目标是在视觉丰富的文档中检测并关联实体边界框；2）一种简单的预训练策略，有助于在语言上下文中学习实体检测。在三个SIE基准数据集上的评估表明，所提出的这种方法是有效的，整体方法优于现有的解决方案。