Aug, 2022

利用自然语言处理和机器学习算法搜索铬酸盐替代品

PDF
TL;DR本研究利用自然语言处理技术（NLP）结合机器学习算法，应用 Word2Vec 模型与 BERT 模型，对超过 80 万篇腐蚀保护领域文献进行关键信息提取，成功展示了自动化解读科学文献并达到人类专家级别洞察的可能性，为材料领域中寻找铬替代品提供了新思路。
machine learningnatural language processingword2vec modelbert modelcorrosion protection
发现论文，激发创造
  • 运用自然语言处理技术分析无机材料文献的研究趋势

    该研究提出了一种基于自然语言处理的大规模流程，用于从材料科学文献中提取材料名称和特性，以便进行材料科学的搜索和检索。实验证明这种方法是成功的，可以用来分析材料科学的趋势，如 MoS2 等材料在中国不断增加，而在美国减少。

    Jun, 2021

  • MatKB：多晶材料合成工艺的语义搜索

    本文提出了一种利用自然语言处理技术对材料科学进行知识抽取和检索的新方法，将来自超过 950 万篇研究文章的结构化知识自动挖掘出来，并整合到一个搜索引擎中，使材料科学家能够更精确地搜索有关特定材料、属性和实验的信息。

    Feb, 2023

  • 使用自然语言处理从大型高分子库中提取通用材料属性数据的流程

    本研究使用自然语言处理方法自动提取高分子文献中的材料性质数据，并训练了材料科学摘要的语言模型 MaterialsBERT。通过该模型，我们在 60 小时内从约 13 万篇摘要中提取了约 30 万条材料性质记录，证明了从已发表文献开始进行自动数据提取的可行性。

    Sep, 2022

  • 材料科学中的自复现经验教训

    我们的研究对两篇杰出的物质科学文献领域的先驱作品进行了重现性分析：金和安迪的 “氧化物材料机器学习和编码合成参数” 和西托扬的 “无监督词嵌入从物质科学文献中捕捉潜在知识”。我们的研究发现这两篇论文的工作流程严谨，代码可复现，获得了明确的模型评估指导；然而，还存在改进的空间，如尽可能提供训练数据的访问权限，提供更多关于模型架构和训练过程的透明度，以及规定软件依赖版本。

    Jul, 2023

  • 使用对话式语言模型和提示工程从研究论文中提取准确的材料数据 —— 以 ChatGPT 为例

    本研究提出了 ChatExtract 方法，该方法利用先进的会话型 LLM（或 AI）自动提取数据，并通过一系列后续问题确保其正确性。 ChatExtract 可用于任何会话型 LLMs，结果表明，由于其简单性，可转移性和准确性，类似 ChatExtract 的方法有望在不久的将来取代其他数据提取方法。

    Mar, 2023

  • 基于自然语言处理算法实现高熵合金（HEAs）文献的数据驱动知识总结的性能预测

    通过实施自然语言处理算法 (Geneism, Sumy, Luhn, LSA 和 KL 算法)，研究了高熵合金 (HEAs) 的知识概括目的，结果显示 Luhn 算法相对于其他算法具有最高的准确性得分。

    Nov, 2023

  • 通过自然语言处理进行计算机工作市场分析

    利用自然语言处理技术从职位描述中提取相关信息，包括解决训练数据的稀缺性、标注指南的缺乏以及从职位广告中提取有效信息的不足等挑战，最终通过引入抽取方法和多个数据集相辅相成的检索增强模型来提高整体性能，并将提取到的信息置于特定分类体系中。

    Apr, 2024

  • 能源语料库中的知识发现和信息抽取的自然语言处理

    应用自然语言处理方法，利用三种无监督模型 (Latent Dirichlet Allocation、Word2Vec 和 Transformer) 分析大规模特定主题科学文章的能源相关内容并实现文本的信息提取和知识发现，同时展示了能源材料研究中潜在的主题和概念，并开发了文档分类方法以加速能源研究和材料开发工作。

    Feb, 2024

  • 利用语言表示进行物料推荐、排序与探索

    通过使用来自材料科学特定语言模型的自然语言嵌入作为成分和结构特征的表示方法，我们介绍了一种材料发现框架，并将其应用于热电材料，展示了原型结构的多样化推荐和识别出了未充分研究的高性能材料空间，其中包括卤化物钙钛矿、德拉福石和尖晶石结构。

    May, 2023

  • 鲁棒自然语言处理：最近进展、挑战与未来方向

    本篇论文总结了近年来自然语言处理 (NLP) 的抗干扰性研究，并就技术、度量标准、嵌入、基准等维度深入探讨了该领域中存在的问题和待解决的方向。

    Jan, 2022