Feb, 2019

医学文献中表格信息提取框架

PDF
TL;DR该研究提出了一种从医学文献中的表格中提取数值和文本信息的方法，包括表格检测、功能处理、结构处理、语义标记、语用处理、单元选择和句法处理等七个步骤，F - 度量值范围在 82% - 92% 之间.
text miningtable datainformation extractionclinical literaturerequirement analysis
发现论文，激发创造
  • 利用最大熵分类器和全局约束从随机临床试验摘要中提取证据表

    本文提出了一种 NLP 系统，结合最大熵分类器和整数线性规划方法，用于系统地提取从随机对照实验中获得的所有信息，并使用实验证明了全局约束的重要性。

    Sep, 2015

  • 科学表格格式和内容提取到 LaTeX

    本文提供了一种基于 Transformer 的科学表格结构和内容提取方法，能够解决 PDF 研究文档中存在的跨度单元格和公式等复杂因素，最终精确匹配表格结构和内容，并高效识别表格的各种特征。

    Oct, 2022

  • 结构化文档中的表格理解

    在复杂的商务文件中，本文研究了表格检测与提取，提出一种利用单模型提取表格中信息的方法，并使用基于单词框、位置嵌入、可训练文本特征和图形的全面页面表示来解决这个问题。我们建立了一个新的数据集，提供了多种基线方法和新的神经网络模型来解决表格识别问题，并详细分析了图卷积和自注意力对模型性能的影响。

    Mar, 2019

  • 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

  • 在数据稀缺的约束下，在人工参与机制下的医学科学表格自动生成文本

    本文提出了一种新的基于表格到文本的方法，通过自我纠正、复制机制和合成数据增量，增强了该方法的性能。实验证明，该方法选择了显著的生物医学实体和值，以生成相关的文本，同时我们还演示了该系统对新数据集的轻量级适应。人工验证表明，该模型的输出是准确和可靠的。

    May, 2022

  • 异构表的基于 Schema 的信息提取

    本论文探讨了语言模型是否能够支持从复杂表格中进行成本有效的信息提取，并引入了基于架构驱动信息提取的新任务，使用 LLMs 将表格数据转换成遵循人类撰写的架构的结构化记录，并发展了一种 InstrucTE 方法来实现表格抽取，该方法仅需要人工构建的抽取架构，并具备错误恢复策略及高性能，证实了使用更紧凑的抽取模型进行抽取的可行性。

    May, 2023

  • INFOTABS：基于半结构化数据表的推断

    本文介绍了一个名为 INFOTABS 的新数据集，它由基于来自维基百科信息框的表格的前提条件的人工编写的文本假设组成。 该研究表明，尽管人类标注者同意表格 - 假设对之间的关系，但是多个标准建模策略在此任务中效果不佳，表明表格推理可能会带来困难的建模挑战。

    May, 2020

  • 图像文档中的财务表提取

    本文提出了一个端到端的流水线，用于在图像文档中识别、提取和转录表格内容，同时保留高保真度的原始空间关系。

    Mar, 2024

  • CTE：一种用于上下文化表格提取的数据集

    该论文提出了一种 Contextualized Table Extraction (CTE) 的任务，目的是根据文档的文本信息来提取和定义表格结构，提供了一个包含超过 35,000 个表格的科学论文的数据集，并且可以用于开发各种任务的端到端流程，包括文档布局分析、表格检测、结构识别和功能分析，并且定义了评估指标，描述了此数据集的优点、限制和未来工作。

    Feb, 2023

  • 文本转表：一种新的信息提取方式

    本文研究了信息提取的新问题 -- 文本到表格，通过学习文本 - 表格配对数据，训练模型以生成主要内容的表格。我们将其形式化为序列到序列问题，使用预训练语言模型 fine-tuned 后的 seq2seq 模型完成任务，并通过引入表格约束和表格关系嵌入来改进性能。实验结果显示，我们的方法可以进一步提高基线模型和关系提取 / 命名实体提取等传统方法的性能，论文还讨论了相关挑战。

    Sep, 2021