聊聊文档解析测评里的表格指标

最近，文档解析测评工具上线后，收到最多的反馈集中在同一个问题上：

测试结果里的数字又有什么实际意义？

大家关心的问题自然是最优先级的。所以近期我们会在持续优化测评工具的同时，逐项拆解这些测试指标的设计逻辑。今天就先从文档解析中的一个重头戏——

说起。

为什么说表格是解析任务中的一个重点？

从源头来看，需要解析的文档里，表格几乎无处不在。论文、年报、财报、行研报告、法律文件、企业文档……表格都是构成要件，而且往往承载着精密、关键的数据。

把视线转向下游应用，在知识库搭建、RAG（检索增强生成）系统建设中，表格解析同样举足轻重。具体来说，表格能力可以从几个方面提升RAG系统的表现：

表格数据自带结构化属性（日期、金额等），而非结构化文本中这些信息往往难以直接提取。好的表格解析技术可以将其转化为Markdown等易于处理的格式，从而提高信息召回率和准确度。同时，精准的解析有助于系统更精确地定位和检索，减少错误或碎片化信息的出现。

专业文档中往往包含复杂表格和视觉元素。表格解析能帮助RAG系统驾驭这些复杂结构，提供更深度的内容分析。

比如在财务报告中，表格数据与文字描述相结合，可以给出更全面的业务洞察，进而生成更准确、更完整的回答。

为什么表格是算法开发同学关注的重点？

核心原因在于表格的多样性和复杂性。具体来看，无线表、合并单元格、跨页表格、超密集表格、不规则表单的还原，以及单元格内多行文字的还原，都是必须直面的难题。有时还会叠加扫描模糊、倾斜、手写内容等难度加成。

那么，什么样的表格解析效果才算好？直观来看，有两个方面：一是每个单元格的内容识别正确；二是表格整体没有错行、漏行、错误合并或拆分。

为了量化这些标准，我们在表格维度定义了三个指标：

1. 表格文本全对率

这个指标的含义是：解析出的表格中，每个单元格的文本是否与原始表格完全一致，没有遗漏、错误或多余字符。简单说，就是

。

举个实际例子：如果一个表格里每个格子的文本都对，全对率就是100%。文本全对率越高，说明内容识别越准确。

值得注意的是，在我们的测评工具中，这个标准比较严苛——

因此实际数据可能会比直观感受偏低。之所以坚持高标准，是因为解析误差对后续的语义理解和数据分析影响很大。尤其对于金融、经济报告或论文中的表格数据，一个数字的失误，都可能干扰结论。所以，我们认为优秀的文本全对率是解析能力必须提供的基础保障。

2. 表格结构树状编辑距离

比起上一个指标，这个概念更抽象一些。

在测评中，我们把表格结构用树状形式来表示——这是一种比对逻辑结构的实用方法（可参考下方图1）。而所谓“编辑距离”，最早来自机器翻译，指的是让两个字符串变得完全一样，最少需要多少次插入、删除、替换操作。举个例子："kitten" 和 "sitting"：

1. 把 'k' 换成 's'（替换）→ "sitten"
2. 把 'e' 换成 'i'（替换）→ "sittin"
3. 在最后插入一个 'g'（插入）→ "sitting"

一共三步操作，编辑距离就是3。

树状编辑距离则把对比对象从字符串变成了逻辑树，从操作字符变成了操作树的节点。对树而言，同样定义了三种操作：

1. 增：在父节点和子节点之间添加一个节点
2. 删：删除某个节点，同时将其子节点移到该节点的父节点上
3. 改：修改节点的label

计算树的编辑距离，就是从一棵树变成另一棵树所需的最少操作次数（可参考下方图2）。

如果解析引擎给出的表格结构与实际结构完全一致，测试结果中这个指标就是0，满分。这个指标得分越高，说明结构还原越好，错行、漏行或合并单元格错误越少。

图1

图2

3. 表格树状编辑距离

理解了前两个指标，这个就很好说了。它综合了文本全对率与结构准确度，既考虑单元格内容，也考虑表格的层次结构和布局。通过这一指标，我们能整体评估表格解析结果的准确程度。

最后，不妨通过几个案例来直观感受。显然，下面的表格数据没有被解析成各列一一对应的格式，如果大模型拿到这样的结果，必然无法提取准确参数或建立正确分析。而一份正确的解析，则能在大部分无框线、合并单元格的情况下，准确还原文本内容和各单元格结构关系，为RAG提供高质量的信息基础。

本期我们主要拆解了测评指标中表格相关部分。接下来，还会继续探讨标题、段落等指标的设计逻辑，并不断扩充测评的维度和厂商，更好地满足大家的需求。