Jul, 2022

DiSCoMaT：从材料科学论文表格中进行远程监督的组分提取

PDF
TL;DR本文研究了从科技领域出版的文章中提取表格的信息提取，针对特定的难题：材料组成提取，建立了训练数据集和 DiSCoMaT 表格数据处理框架，并取得了显著的表现。
table extractionmaterials compositionml communitygraph neural networksdiscomat
发现论文，激发创造
  • 重构材料四面体：材料信息提取中的挑战

    材料科学文献信息提取中的机器学习挑战及建立材料知识库的启示。

    Oct, 2023

  • 半结构表上的组合语义分析

    通过使用问题 - 答案对作为监督，本文在半结构化表格中回答复杂问题的新任务上同时提高了语义解析的知识源的广度和逻辑复合度的深度，提出了一种由强类型约束引导的逻辑形式驱动的解析算法，并创建了一个新的包含 22,033 个复杂问题的维基百科表格数据集进行了评估。

    Aug, 2015

  • 医学文献中表格信息提取框架

    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.

    Feb, 2019

  • 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

  • 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

  • 利用远程监督神经网络提取科学图表

    本文介绍了一种通过大规模科学文档数据集训练，实现无人干预的科学图表自动提取的方法，并获得了高精度模型以及数据集，成功用于 13 百万学术文献的提取。

    Apr, 2018

  • 基于代理的从科学文献中学习材料数据集

    通过使用大型语言模型（LLMs）创建化学家 AI 代理程序，本研究克服了通过自动创建从自然语言文本中提取结构化数据集所面临的质量和一致性问题、可扩展性限制、以及人为错误和偏见的风险，进而简化了各种材料发现应用的机器学习数据集的编制，以及对自然语言处理工具的易用性提升。

    Dec, 2023

  • 朝可靠性 Ad-hoc 科学信息提取迈进：基于两组材料数据的案例研究

    探索 GPT-4 在从科学文献中进行特定模式的信息提取方面的能力，评估其是否能够通过基本的提示方法复制两个已存在的材料科学数据集，从最初手动提取的文稿中提取所需信息，并利用材料科学家的见解进行详细的手动错误分析，以确定模型在提取所需信息时的困难之处，并提出研究方向来解决这个广泛重要的任务。

    Jun, 2024

  • PubTables-1M: 实现从非结构化文档中全面提取表格

    本研究针对表格结构推断和从非结构化文件中提取数据的机器学习问题，提出了一种新的数据集 PubTables-1M，并通过使用一种新颖的规范化程序来解决之前数据集中出现的一个重要问题 —— 过度分割，发现这些改进导致训练性能显着提高，表结构识别的可靠性评估也更加可信，最终会对对象检测产生积极影响。

    Sep, 2021

  • 从材料科学合成程序中自动提取行为图

    本文介绍了一种自动从物质科学期刊文章中提取无机化合物实验合成结构化信息的系统，定义为一组链接事件，由提取的科学实体构成，同时评估了两种无监督方法和多种有监督模型。

    Nov, 2017