May, 2023

从学术文章中提炼文本分类和物体识别的框架

PDF
TL;DR本论文提出了一种机器学习与基于规则的混合方法，称为 TBRF，用于数据挖掘学术论文中的特定信息，通过分析学术论文中的标准布局和排版方法，通过实验验证表明，该方法可以在分类准确率和表格及图片检测准确率方面达到超过 95% 和 90% 的精度。
data miningacademic articlesrule-basedmachine learninglayout
发现论文，激发创造
  • 基于区域细化框架的科学文档物体识别

    通过基于规则的区间分割和文本块分类的方法，我们提出了一种新的科学文档布局分析框架 CTBR（Compartment & Text Blocks Refinement），用于从科学文档中提取数据和实现对象识别。

    Dec, 2023

  • 生物医学文献中实验方法的自动文本挖掘

    生物医学文献是一个迅速扩展的科学技术领域，本研究提出了 Fine-tuned DistilBERT 方法，这是一种专门针对生物医学文本的预训练生成分类语言模型，通过 40% 减小 BERT 模型尺寸和 60% 的速度提升，证明其在语言理解能力上的有效性。本论文的主要目标是改进模型并评估其性能，以与非 Fine-tuned 模型进行对比。我们使用 DistilBERT 作为支持模型，在包括 32,000 篇摘要和完整文本文章的语料库上进行了预训练，其结果令人印象深刻，超过了使用 RNN 或 LSTM 的传统文献分类方法。我们的目标是将这个高度专业和特定的模型整合到不同的研究行业中。

    Apr, 2024

  • 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

  • 科学文献中的定理和证明的多模态机器学习

    使用多模态分类方法从数学文章中提取定理环境和证明，包括文本、字体信息和位图渲染等多个模态，并采用序列信息进行特征融合和模型训练。实验证明多模态方法比单一模态更有效，并且采用基于条件随机场的块序列建模可以显著提高性能。

    Jul, 2023

  • 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

  • 基于自然语言处理的原始研究文章分类之外

    本研究提出了一种针对未知类别的科学文献的文本分类的新方法，使用自然语言处理技术。该研究利用预训练的语言模型（特别是 SciBERT）从 ArXiv 数据集的摘要中提取有意义的表示。文本分类使用 K-Means 算法进行，并根据 Silhouette 得分确定最佳聚类数。结果表明，所提出的方法比传统的 arXiv 标签系统更有效地捕捉主题信息，从而改善了文本分类。该方法为科学研究文献快速增长的领域提供了更好的导航和推荐系统的潜力。

    Sep, 2023

  • 文本挖掘综述：分类、聚类和提取技术

    这篇论文探讨了文本挖掘的任务及技术，其中包括文本预处理、分类和聚类，并简要介绍了文本挖掘在生物医药领域中的应用。

    Jul, 2017

  • 文本处理对表格数据的分类

    自然语言处理技术在过去十年中取得了巨大的进展。本文提出了一种新颖的框架，基于文本的分类 (TBC)，它利用最先进的文本处理技术来解决表格数据上的分类任务。我们提供了一组受控实验，展示了使用这种方法相对于其他分类方法的优势。在几个数据集上的实验结果还表明，该框架在预测类别的准确性、精确性和召回率方面达到了与几种最先进模型相当的性能。

    Nov, 2023

  • 用机器学习预测文章质量得分：英国研究卓越框架

    利用人工智能和多个引文计量和元数据输入进行的质量估计，与简单的定量指标和耗费时间的同行评审相比，得出更好的结果；医学和物理学科的精度最高，社会科学、数学、工程、艺术和人文学科的表现较差。

    Dec, 2022

  • 文本分类算法综述

    本研究讨论了文本分类算法的概述，包括不同的文本特征提取、降维方法、现有算法和技术、评估方法，并探讨了每种技术的限制和在实际问题中的应用。

    Apr, 2019