从科学论文中提取特定信息

Question

我正在寻找我需要从科学论文中提取的特定信息。这些信息主要位于论文的“评估”或“实施”部分。我需要在内容中提取任何函数名称，参数，文件名，应用程序名称，应用程序版本。 是否有任何NLP技术/机器学习算法可以从科学论文中提取此类信息？

Answer 1

我不知道有任何现成的应用程序可以执行此特定任务（尽管这并不意味着没有一个，并且可能有商业解决方案可以执行此任务）。但是有些开放源代码选项可能会让您做一些工作（注释和/或规则编写）：

• GATE（具有“用户友好”图形界面，因此，如果您不想的话，则无需进行编码）
• Reverb
• Stanford OpenIE
• Canary（从外观上看，它可用于临床NLP，但可能更普遍）
• GROBID（这似乎可以将文章分为几部分）

或者，您可以在NLTK或spaCy（如果使用Python进行编码）或Stanford CoreNLP（Java）之类的库之上构建自己的解决方案。听起来您需要首先标识文档部分，然后在其中搜索模式。无论您采用机器学习还是基于规则的方法，这都可能需要花费大量的工作。如果您有一个预定义的项目列表，这将使您的生活更加轻松！