Apr, 2020

SciWING -- 科学文档处理的软件工具包

HTML
PDF
TL;DRSciWING是一个开源的软件工具包，可提供用于科学文档处理任务的预训练模型，其中包括引文字符串解析和逻辑结构恢复。它使研究人员能够快速尝试使用不同的模型，并允许他们从配置文件中声明和运行模型。它执行基于生产的迁移学习，包括通用的预训练的transformers（如BERT和SciBERT），以及支持终端和Web应用程序的完成（可从此http网址获取）。
发现论文，激发创造
  • ScisummNet: 带有引文网络的科学论文摘要的大型注释语料库和内容影响模型

    该论文提出了一种新的解决方案，通过开发和发布一个大规模的、手动注释的科学论文语料库，并提出了将作者的原始亮点（摘要）和文章对社区的实际影响（引用）整合的摘要方法，创建全面的、混合型摘要。我们进行了实验，证明了我们的语料库在训练数据驱动模型的科学论文摘要中的功效以及我们的混合型摘要优于摘要和传统的基于引用的摘要。这个大规模的注释语料库和混合方法提供了一个新的科学论文摘要研究框架。

    Sep, 2019

  • SciSummPip: 一种无监督的科学论文摘要生成管道

    本文介绍了我们的文本摘要系统SciSummPip，它受到SummPip的启发，包括SciBERT、PageRank和语言信息，它与之前的方法不同之处在于适应了科学领域的内容选择和摘要长度约束，并在培训集和盲测集上证明了方法的有效性。

    Oct, 2020

  • 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

  • SciXGen：面向上下文感知文本生成的科学论文数据集

    文章提出了一种新的任务，即科学领域的上下文感知文本生成，并介绍了规模庞大的科学论文数据集SciXGen，其中包含了205,304篇完全注释的论文和广泛使用对象（如表格，图形，算法）的完整引用。使用最新技术进行综合性评估，同时公开数据集和基准，以促进科学文本生成研究。

    Oct, 2021

  • SciBERTSUM: 面向科学文档的提取式摘要

    SciBERTSUM是一种针对科学论文的摘要框架，通过增加节嵌入层和应用稀疏注意力机制，在长文本（超过500句）中表现出更好的ROUGE分数。

    Jan, 2022

  • 从代码和文本中自动生成科学可计算模型，并由人工辅助进行筛选

    开发了一个自动创建和人工协助维护可计算科学模型知识图谱的系统，将代码和文档中的概念和方程提取出来进行语义注释，将其转换为可执行的 Python 函数，并组合成复杂的工作流程以回答领域相关问题，实验结果基于来自NASA超音速空气动力学网站的数据集。

    Jan, 2022

  • SciEv：科学新闻查找科学证据论文

    SciEv 是一个系统，可以在给定科学新闻文章的情况下搜索科学证据论文，并采用两阶段查询范式以检索候选论文并进行重新排序，它使用领域知识实体来找到候选论文，证明比常规关键短语更有效，并在重排阶段中探索了新闻文章和候选论文的不同文档表示方法。

    Apr, 2022

  • SciLit: 一种联合科学文献发现、摘要和引用生成平台

    SciLit是一个自动推荐相关论文、提取摘要、 建议引文的流水线，可提供文学发现和科学写作的辅助工具。

    Jun, 2023

  • 科学文本处理的预训练语言模型综述

    本文对科学文本处理的语言模型（LMs）进行了综合评述，包括对不同领域、任务和数据集上的效果进行了广泛分析，探讨了未来面临的挑战。

    Jan, 2024

  • DocGenome：用于训练和测试多模态大型语言模型的开放式大规模科学文档基准

    通过提取自科学文档中的多模态数据，并评估大型模型处理科学文档任务的能力，对科学文档记录的研究发现和有价值的人类知识进行综合性的数据分析是有意义的。我们介绍了DocGenome，这是一个结构化文档基准，通过我们的自定义自动标注流水线对arXiv开放访问社区中的153个学科的50万份科学文档进行注释，它具有完整性、逻辑性、多样性和正确性等四个关键特征。我们进行广泛的实验证明了DocGenome的优势，并客观评估了大型模型在我们的基准上的性能。

    Jun, 2024