Oct, 2017

科学文献元数据提取的新方法

PDF
TL;DR本研究提出了一种自动、准确和灵活的算法，能够从数字化科学文章中直接提取各种元数据，包括基本文档元数据、结构化全文和参考文献部分。该算法通过在大规模、多样化的数据集上训练监督和无监督机器学习算法实现，具有较高的精度，适用于分析异构文档集合。与其他类似解决方案的比较也证明了我们的算法在大多数元数据类型上表现优于竞争对手。
metadata extractionscientific articlesmachine learningdigital revolutionscholarly communication
发现论文，激发创造
  • ML 基础关键短语提取与验证的科学文本自动标注

    本文提出了两种新颖的自动文本标注方法用于验证机器学习生成的未标记文本的元数据，特别适用于环境基因组学领域。我们的技术展示了利用未标记文本和科学领域的现有信息的两种新方法的潜力。结果表明，所提出的标签分配方法可以为未标记文本生成通用和高度特定的文本标签，其中有多达 44% 的标签与机器学习关键词提取算法建议的标签匹配。

    Nov, 2023

  • 元数据对科学文献标注的影响：一项跨领域跨模型的研究

    本文系统研究了 19 个领域中的元数据对科学文献标记的影响，并通过三种代表性多标签分类器探索它们在元数据作为附加特征时的性能变化，发现在所有领域中都存在有关元数据的普遍模式，以及在计算机科学和生物医学以外的领域中存在一些独特的模式。

    Feb, 2023

  • 生成科学范式的摘要

    使用文献计量学文本挖掘和摘要技术对科学文献进行自动生成，利用引文生成摘要，通过 C-LexRank 对单篇文章进行摘要提取，同时拓展到一系列科学文献的摘要提取和分析，证明引文是创建摘要的一种独特信息资源。

    Feb, 2014

  • 科技文献中的关键词提取

    本文介绍了如何从科学出版物的摘要中提取关键词和关键短语，以便于下游任务，如知识图谱建设、文本挖掘和学科分类。

    Jul, 2022

  • 科学文献中新兴概念的高精度提取

    本文提出了一种基于无监督方法的科学文献概念提取方法，通过挖掘后续论文中引用某篇文章的数量，提高了从计算机科学论文语料库中提取概念的精确度，Precision@1000 为 99％。

    Jun, 2020

  • 数字图书馆中几乎无监督信息提取工作流的图书馆视角

    本文介绍信息抽取如何支持数字图书馆，讨论数字图书馆如何处理无监督抽取并报告机会和局限性，最后探讨无监督抽取工作流程的最佳实践。

    May, 2022

  • 科学论文摘要的监督式提取方法

    本文介绍了一种新的数据集，用于总结计算机科学出版物，展示了利用神经句子编码和传统的总结功能来开发模型的方式，并表明即使在传统的科学领域中，对句子的编码以及他们的本地和全局背景进行编码的模型也有很好的性能，并实现了明显优于已经建立的基准方法的结果。

    Jun, 2017

  • 基于开放研究知识图谱的科学论文知识获取方法

    使用计算机辅助工具的知识获取，构建 Open Research Knowledge Graph 并整理自科研论文中提取的关键见解。

    Aug, 2023

  • 利用引文图谱进行科学信息提取

    本文研究了如何利用引文图来提高科学信息提取的准确性，证明结合引文图与文本提取任务能提升科学信息提取的水平。

    Jun, 2021

  • 基于数据驱动的癌细胞系分子分析信息提取和丰富化

    本文介绍了一种新的数据提取和探索系统，可以从癌细胞系的科学文献中提取文本实体之间的深层次语义关系，为现有结构化临床数据提供丰富的语义信息，并自动链接基因组拷贝数变异图与相关实体，以及相关文献证据，从而实现更为快捷深入的文献检索。

    Jul, 2023