摘要
科学文献的跨版本差异分析在学术出版和技术文档中至关重要，但由于科学文献是包含文本、表格、公式、图形和布局提示等异构元素的页面结构化文档，这一过程仍然面临挑战。现有的基于文本序列的方法常常丢失布局和结构信息，而基于图像的方法缺乏语义可解释性，并且对渲染变化敏感。为了解决这些问题，本文提出了一种布局感知的异构元素感知框架用于科学文献的差异分析。
该框架将文档版本分解为语义类型元素，通过一种先对齐机制建立跨版本的对应关系，该机制联合建模空间、内容和结构的兼容性，并对对齐的元素对进行类型感知的差异推理。它支持文本、表格、公式和图形的统一变化检测、定位、结构感知分析和对齐/匹配评估。
在真实的科学PDF数据上进行的实验表明，所提出的框架在各元素特定的基准上表现出色。它在文本、表格、公式和图形的检测F1分数分别为0.903、0.855、0.862和0.845，在定位、结构感知和匹配质量方面也有进一步的提升。消融和敏感性分析确认了跨版本对齐、类型特定表示、结构感知推理和兼容性权重设计的有效性。这些结果表明，异构元素感知的差异分析为科学文档在现实编辑生产场景中的比较提供了一种稳健且可解释的解决方案。
博主点评： 该框架的提出弥补了传统方法的不足，特别是在处理复杂文档时，能够有效保持布局和结构信息，展现出较强的实用性和可扩展性，有望在学术界广泛应用。它为科学文献的差异分析提供了全新的思路，值得关注。