该研究论文提出了一套新的互联框架，旨在全面提升大数据质量，包括引入新的质量指标和加权评分系统，采用人工智能模型检测各种质量异常，以及通过预测建模纠正检测到的异常，并着重讨论了在大数据生态系统中提高元数据质量的创新框架。

May, 2024

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

本文提出了两种新颖的自动文本标注方法用于验证机器学习生成的未标记文本的元数据，特别适用于环境基因组学领域。我们的技术展示了利用未标记文本和科学领域的现有信息的两种新方法的潜力。结果表明，所提出的标签分配方法可以为未标记文本生成通用和高度特定的文本标签，其中有多达 44% 的标签与机器学习关键词提取算法建议的标签匹配。

Nov, 2023

本文系统研究了 19 个领域中的元数据对科学文献标记的影响，并通过三种代表性多标签分类器探索它们在元数据作为附加特征时的性能变化，发现在所有领域中都存在有关元数据的普遍模式，以及在计算机科学和生物医学以外的领域中存在一些独特的模式。

Feb, 2023

该研究为解决鉴别高质量文章的问题提出了一种基于外部知识的文章质量鉴定方法，并提出了相关的数据集和实体链接技术，实验结果表明该方法有效性较高。

Jun, 2022

提出了一种基于两流多模型和交叉注意网络的电子学位论文页面分类方法，该方法在数据效率方面取得了较好的效果，并在 13 个类别中的 9 个类别上取得了 0.84-0.96 的 F1 值，优于现有模型。

Nov, 2023

通过自然语言处理方法比较元数据的自然语言描述，提供了一种数学相似度量度，可用于分析各种元数据，通过深入研究多种大型语言模型，展示了算法在公开可用的研究数据集上 qualitatively 和 quantitatively 的有效性，从而大幅度减少了人工整理自然语言元数据的工作量。

Jul, 2023

通过系统评估医学数据集合，我们提出了 METRIC 框架，该框架包含了 15 个数据质量意识维度，帮助减少偏见、增加稳健性、提高可解释性，从而为医学中可信赖的人工智能奠定了基础。

Feb, 2024

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

提供了一种高效的元数据考古框架，通过使用简单的转换和利用学习动态的差异来揭示和推断数据集中示例的元数据。

Sep, 2022