DocMaster: 문서 분석을 위한 계층 구조 인지 시스템

DocMaster: A Hierarchical Structure-Aware System for Document Analysis

대규모 언어 모델(LLM)을 활용하여 학술 논문, 기술 매뉴얼, 금융 보고서와 같은 복잡한 문서를 분석하는 것은 연구 및 산업 분야 모두에서 주류가 되고 중요한 과제로 부상했습니다. 실제로 사용자는 먼저 대량의 문서 컬렉션에서 관련 문서를 필터링하고, 선택된 부분에 대해 심층적인 분석(예: 질의 응답)을 수행해야 하지만, 기존 시스템은 문서를 단순 텍스트 조각으로 평탄화하여 풍부한 계층 구조(섹션, 표, 그림, 방정식)를 무시하고, 이는 후속 성능을 저하시킵니다. 본 논문에서는 계층 구조 인지 문서 분석 시스템인 DocMaster를 제시합니다. DocMaster는 문서를 원래 레이아웃을 유지하는 계층적 문서 트리로 파싱하고, 정확한 문서 필터링 및 심층적인 분석을 가능하게 하는 구조 인지 시맨틱 인덱스를 구축합니다. 우리는 사용자가 문서 컬렉션을 업로드하고, 트리 기반 및 다중 뷰 시맨틱 인덱스를 구성하며, 자연어 조건을 통해 관련 문서를 필터링하고, 필터링된 결과에 대한 질의 응답을 수행할 수 있는 대화형 웹 인터페이스를 통해 DocMaster를 시연합니다. 소스 코드, 데이터 및 데모는 https://doc-master.github.io/ 에서 확인할 수 있습니다.

Leveraging large language models (LLMs) to analyze complex documents -- such as academic papers, technical manuals, and financial reports -- has emerged as a mainstream and critical task in both research and industry. In practice, users must first filter relevant documents from large collections and then conduct in-depth analysis (e.g. question answering) over the selected subset, yet existing systems flatten documents into plain-text chunks, discarding the rich hierarchical structures (sections, tables, figures, equations) and degrading downstream performance. We present DocMaster, a hierarchical structure-aware document analysis system. DocMaster parses documents into hierarchical document trees preserving original layouts and constructs a structure-aware semantic index that enables accurate document filtering and in-depth analysis. We demonstrate DocMaster through an interactive web interface that enables users to upload document collections, construct tree-based and multi-view semantic indices, filter relevant documents via natural-language conditions, and perform follow-up question answering over the filtered results. The source code, data, and demo are available at https://doc-master.github.io/.