证据单元：基于本体的文档组织，用于独立于解析器的检索

结构化文档——与说明配对的表格、带有解释的图表、带有解释它们的段落的方程——在索引检索时通常会变得支离破碎。元素级索引将每个解析的元素视为一个独立的块，将语义内聚的单元分散在单独的检索候选中。本文提出了一个独立于解析器的管道，用于构造证据单元（EU）：语义完整的文档块，将视觉资产与其上下文文本分组。我们介绍了四个贡献：（1）基于本体的角色规范化扩展了 DoCO，将异构解析器输出映射到统一的语义模式； (2) 语义全局分配算法，通过完整的相似度矩阵将段落最佳地分配给 EU； (3) Neo4j 中基于图的决策层，它形式化了 EU 构造规则并通过两个不变量验证完整性； (4) 交叉解析器验证显示 EU 空间足迹在 MinerU 和 Doclling 上收敛，并在解析器引起的 bbox 方差下保留了增益。 OmniDocBench v1.0（1,340 页；1,551 个 QA 对）上的实验表明，基于 EU 的分块将检索 LCS 提高了 +0.31（0.50 至 0.81）。 Recall@1 从 0.15 增加到 0.51 (3.4 倍)，MinK 从 2.58 减少到 1.72。跨解析器结果确认增益（LCS +0.23 至 +0.31）在解析器之间得以保留。文本查询显示出最显着的增益：Recall@1 从 0.08 上升到 0.47。