KDDJun, 2021

BiblioDAP: 文献数据分析和处理第 1 次研讨会

PDF
TL;DR介绍了 BiblioDAP'21: 第一届 Bibliographic Data Analysis and Processing 工作坊，指出由于发表的论文数量的显著增加以及固有的挑战，自动处理引文数据在数字图书馆、数据科学和机器学习中变得非常重要，其包括自动从 PDF 文档中提取引用、构建精确的引文图和作者名称消歧等方面。
发现论文，激发创造
  • pyBibX -- 一款基于人工智能技术的 Python 文献计量与科学计量分析库

    本论文提出了一个名为 pyBibX 的 Python 库，用于从 Scopus、Web of Science 和 PubMed 等来源的原始数据文件中进行综合的计量和科学计量分析，并将最新的人工智能 (AI) 能力无缝集成到其核心功能中。该库执行了详细的探索性数据分析 (EDA)，并通过直观的图形说明呈现结果。PyBibX 是第一个整合最新 AI 能力用于分析科学出版物的应用程序，使研究人员能够更有效地检查和解释这些结果。

    Apr, 2023

  • 图书馆员参与的自然语言处理范式：检测学术文献中对研究数据的非正式提及

    提出了一种基于自然语言处理（NLP）范例的方法，帮助识别研究数据集的非正式提及，该模型通过数据引文和人工注释训练，支持 ICPSR 图书馆员的数据工作。

    Mar, 2022

  • 科学文献元数据提取的新方法

    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。

    Oct, 2017

  • D3: 一份庞大的学术元数据集，用于分析计算机科学研究的现状

    本研究提取了 DBLP 上的 600 多万篇计算机科学论文，分析了计算机科学研究的趋势、活动水平、协作情况等方面。该研究的发现是计算机科学是一个快速发展的研究领域，但近年来其平均引用次数有所下降，并且最新的主题趋势也在 DBLP 数据集中得到了呈现。

    Apr, 2022

  • Bib2Auth：利用文献数据的深度学习方法进行作者消歧

    通过利用合作者关系和研究领域，提出了一种新的方法，使用受监督的深度学习模型对图书馆作者名称歧义问题进行消歧，其能够在数字图书馆中有效地区分共享相同名称的作者和具有不同名称变体的作者。

    Jul, 2021

  • U-DIADS-Bib：古代手稿文档布局分析的全面和少样本像素精确数据集

    介绍了 U-DIADS-Bib，这是一个独特的、像素精确的、无重叠和无噪声的文档布局分析数据集，并提出了一种创新的、计算机辅助的分割流程，以减轻手工注释的负担，并最后提供了一个标准的少样本数据集 (U-DIADS-BibFS)，以鼓励开发能够在尽可能少的样本下解决该任务的模型和解决方案，从而能够在现实世界的场景中更有效地使用。

    Jan, 2024

  • 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

  • BibRank：利用元数据的自动关键词提取平台

    该论文介绍了一种平台，集成了关键短语数据集，促进了关键短语提取算法的评估，对于希望改进他们的关键短语提取算法并推进自然语言处理领域的研究人员和开发人员非常有价值。

    Oct, 2023

  • ICDAR 2021 科学文献解析竞赛

    本文介绍了科技文献对自然语言处理的挑战和 ICDAR 2021 科技文献解析竞赛的使用，并展示了该竞赛在文档布局识别和表格识别方面的高性能成果。

    Jun, 2021

  • 检测学术文献中非正式数据引用的自然语言处理流程

    使用自然语言处理技术和 Named Entity Recognition 模型，我们建立了一个系统，对社会科学研究文献中的数据引用进行了探测，构建了一个社会科学文献和相关数据集的数据集，这将有助于未来的数据引用、数据引证网络和数据再利用领域的研究。

    May, 2022