SIRIUS-LTG-UiO at SemEval-2018 Task 7: Convolutional Neural Networks with Shortest Dependency Paths for Semantic Relation Extraction and Classification in Scientific Papers
University of Oslo（奥斯陆大学）
本文介绍了用于SemEval 2018任务7的SIRIUS-LTG-UiO系统，任务7是科学论文中的语义关系抽取和分类。首先提取两个实体之间的最短依赖路径（SDP），然后引入一个卷积神经网络（CNN），以最短依赖路径嵌入为输入，对共享任务的每个子任务执行不同目标的关系分类。这种方法实现了整体的F1得分为76.7和83.2的关系分类干净和嘈杂的数据，分别。此外，对于组合的关系抽取和分类干净的数据，它得到的F1得分为37.4和33.6的每个阶段。我们的系统在共享任务的所有三个子任务中排名第三。
2018-04-24 cs.CL
Scientific Discourse Tagging for Evidence Extraction
University of Texas at Dallas（德克萨斯大学达拉斯分校）；Chan Zuckerburg Initiative（陈和扎克伯格倡议）；University of California Los Angeles（加州大学洛杉矶分校）
该研究将生物医学领域预训练的深度表示学习用于科学语篇标注与证据片段提取，验证了标注器的最优性能与可迁移性，以及语篇标签对下游任务的助益，为提升科学主张质量提供了新路径。
2021-01-25 cs.CL
A Scientific Information Extraction Dataset for Nature Inspired Engineering
Heriot-Watt University（赫瑞-瓦特大学）
大自然激发了从机器人到航空航天工程和医疗设备制造等应用领域的各种突破性技术发展。然而，获取科学生物学文本中捕获的信息是一项耗时且艰巨的任务，需要特定领域的知识。改善外部人员的访问可以帮助跨学科研究，如自然启发工程。本文描述了一个由1,500个手动注释的句子组成的数据集，这些句子表达了科学生物学文本中中心概念之间的领域独立关系，例如权衡和相关性。这些关系的参数可以是多词表达式，并且已经用修饰短语注释以形成非投影图。该数据集允许训练和评估关系抽取算法，该算法旨在对科学生物学文档进行粗粒度分类，从而为工程师提供高级别过滤器。
2020-05-26 cs.CL
Counts@IITK at SemEval-2021 Task 8: SciBERT Based Entity And Semantic Relation Extraction For Scientific Data
Indian Institute of Technology Kanpur (IIT Kanpur)（印度理工学院坎普尔分校）
本文介绍了SemEval 2021任务8（MeasEval）系统。MeasEval是一种新的跨度提取、分类和关系抽取任务，专注于查找量、这些量的属性和附加信息，包括相关的测量实体、属性和测量上下文。我们提交的系统在排行榜上排名第五（团队排名），由SciBERT和[CLS]令牌嵌入和CRF层组成。我们还在Quantity（tied）和Unit子任务中排名第一，在MeasuredEntity，Modifier和Quantifies子任务中排名第二，在Quantifier子任务中排名第三。
2021-04-03 cs.CL
ReSel: N-ary Relation Extraction from Scientific Text and Tables by Learning to Retrieve and Select
Georgia Institute of Technology（佐治亚理工学院）；Adobe Research（奥多比研究院）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）；BioMap（百图生科）
研究了从科技论文中抽取N元关系元组的问题。这个任务是具有挑战性的，因为目标知识元组可以驻留在文档的多个部分和模态中。我们提出的方法ReSel将此任务分解为两个阶段的过程，首先检索最相关的段落/表，然后从检索到的组件中选择目标实体。对于高级检索阶段，ReSel设计了一个简单有效的特征集，它捕获查询和组件之间的多层次词汇和语义相似性。对于低级选择阶段，ReSel设计了一个跨模态的实体相关图以及一个多视图架构，该架构对实体之间的语义和文档结构关系进行建模。我们在三个科学信息抽取数据集上的实验表明，ReSel的性能明显优于最先进的基线。
2022-10-26 cs.CL
SciER: An Entity and Relation Extraction Dataset for Datasets, Methods, and Tasks in Scientific Documents
Temple University（天普大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）
本文发布 SciER 数据集，包含106篇全文科学论文、2.4万余个实体、1.2万余条关系及分布外测试集，用于评估科学文献中数据集、方法与任务的实体关系抽取。
2024-10-28 cs.CL
Solving Label Variation in Scientific Information Extraction via Multi-Task Learning
VNU University of Engineering and Technology（越南国立大学工程技术大学）；National Institute of Informatics（国立情报学研究所）；The University of Tokyo（东京大学）
本研究提出基于多任务学习和软标签技术的方法，解决科学信息抽取中标签不一致问题，增强模型鲁棒性并提升端到端性能。
2023-12-25 cs.CL
What do You Mean by Relation Extraction? A Survey on Datasets and Study on Scientific Relation Classification
IT University of Copenhagen（哥本哈根信息技术大学）；Center for Information and Language Processing (CIS), LMU Munich（慕尼黑大学信息与语言处理中心（CIS））
在过去的五年中，关系抽取（RE）的研究取得了广泛的进展，许多新的数据集发布。同时，设置清晰度降低，导致可靠的经验评估难度增加（Taillé等人，2020年）。在本文中，我们提供了一个全面的调查RE数据集，并重新审视任务的定义和社区采用。我们发现跨数据集和跨域设置特别缺乏。我们提出了一个实证研究的科学关系分类在两个数据集。尽管大量的数据重叠，我们的分析揭示了注释的实质性差异。注释差异强烈影响关系分类性能，解释了跨数据集评估的大幅下降。进一步子域内的变化存在，但影响关系分类只有有限的程度。总的来说，我们的研究要求更严格地报告RE设置和多个测试集的评估。
2022-04-28 cs.CL
PGA-SciRE: Harnessing LLM on Data Augmentation for Enhancing Scientific Relation Extraction
Dalian University of Technology（大连理工大学）；Beijing Institute of Electronic System Engineering（北京电子系统工程研究所）
本文提出PGA文本数据增强框架，利用LLM通过改写和基于关系实体生成伪样本，有效提升了科学领域关系抽取模型的F1分数并降低了人工标注成本。
2024-05-30 cs.CL
EXCEEDS: Extracting Complex Events via Nugget-based Grid Modeling in Scientific Domain
Beijing Institute of Technology（北京理工大学）；Microsoft Research Asia（微软亚洲研究院）
针对科学领域事件密集、信息形式复杂的特点，构建大规模多事件文档级数据集SciEvents，并提出端到端框架EXCEEDS，将密集线索块编码为网格矩阵，简化复杂事件提取为基于线索块的网格建模任务，取得最优性能。
2026-06-09 cs.CL
Scientific Relation Extraction with Selectively Incorporated Concept Embeddings
University of Washington（华盛顿大学）
本文介绍了我们提交的SemEval 2018任务7共享任务，即科学论文中的语义关系抽取和分类。我们扩展了（Miwa和Bansal）的端到端关系抽取模型，并增强了字符级编码注意力机制，以选择预训练的概念候选嵌入。我们的正式提交在关系分类任务（Subtask 1.1和Subtask 2 Senerio 2）中排名第二，在关系抽取任务（Subtask 2 Scenario 1）中排名第一。
2018-08-26 cs.CL cs.IR
Scientific and Technological Text Knowledge Extraction Method of based on Word Mixing and GRU
知识抽取的任务是从非结构化文本数据中抽取三元关系（头实体-关系-尾实体）。现有的知识提取方法分为“流水线”方法和联合提取方法。“流水线”方法是将命名实体识别和实体关系抽取分离，使用各自的模块进行抽取。这种方法虽然具有较好的灵活性，但训练速度较慢。联合抽取的学习模型是通过神经网络实现的端到端模型，同时实现实体识别和关系抽取，能够很好地保留实体和关系之间的关联，将实体和关系的联合抽取转化为序列标注问题。提出一种基于词混合和GRU的科技资源知识抽取方法，结合词混合向量映射方法和自注意力机制，有效提高中文科技资源文本关系抽取的效果。
2022-03-31 cs.AI cs.CL
Self-Supervised Knowledge Assimilation for Expert-Layman Text Style Transfer
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
专家-外行文本风格转换技术有可能改善科学界成员与公众之间的沟通。专家提供的高质量信息往往充满了外行难以理解的术语。这在医学领域是一个特别值得注意的问题，外行人经常被在线医学文本所迷惑。目前，有两个瓶颈阻碍了建立高质量的医学专家-外行风格的转换系统的目标：缺乏预先训练的医学领域的语言模型跨越专家和外行术语和缺乏平行语料库训练的转换任务本身。为了缓解第一个问题，我们提出了一种新的语言模型（LM）预训练任务，知识库同化，合成预训练数据的边缘的专家和外行风格的医学术语到LM在自监督学习。为了缓解第二个问题，我们建立了一个大规模的平行语料库，在医学专家，外行域使用基于边缘的标准。我们的实验表明，基于transformer的模型在知识库同化和其他完善的预训练任务上进行了预训练，在我们新的并行语料库上进行了微调，导致了对专家-外行迁移基准的相当大的改进，使我们的人类评估平均相对提高了106%，总体成功率（OSR）。我们发布了我们的代码和并行语料库，以供将来研究。
2021-12-19 cs.CL cs.CY cs.LG
CitationIE: Leveraging the Citation Graph for Scientific Information Extraction
Carnegie Mellon University（卡内基梅隆大学）
从科学文献中自动提取关键信息有可能帮助科学家更有效地工作，加快科学进步的步伐。先前的工作已经考虑从原始科学文本中提取文档级实体集群和端到端关系，这可以改善文献搜索并帮助识别给定问题的方法和材料。尽管这项任务的重要性，大多数现有的科学信息抽取（SciIE）的作品认为提取仅仅基于个别文件的内容，而不考虑文件的地方，在更广泛的文献。与之前的工作相比，我们通过利用文档上下文的补充来源来增强我们的文本表示：引用和引用论文之间的引用链接的引用图。在英语科学文献的测试集上，我们表明，利用引文图的结构和内容的简单方法可以在不同的科学信息抽取任务中获得显着的收益。当这些任务相结合，我们观察到一个相当大的改进，在端到端的信息抽取的国家的最先进的，这表明沿着这个方向的未来工作的潜力。我们发布软件工具，以促进引文感知SciIE的开发。
2021-06-03 cs.CL cs.DL
Which techniques does your application use?: An information extraction framework for scientific articles
Indian Institute of Technology, Kharagpur（印度理工学院卡拉格普尔分校）
每个研究领域都包含多个应用领域，这些应用领域通常使用各种技术来解决这些广泛的应用领域中的问题。随着研究量的指数级增长，跟踪不断增长的应用领域以及相应的问题解决技术变得越来越困难。在本文中，我们认为计算语言学领域，并提出了一种新的信息抽取系统，自动构建一个池的所有应用领域在这一领域，并适当地将它们与相应的问题解决技术。此外，我们根据其应用领域和文章中提出/使用的技术对个别研究文章进行分类。采用基于k-gram的折扣方法以及手写规则和自举模式学习来提取应用领域。随后，提出了一种语言建模方法，根据其应用领域来表征每篇文章。同样，正则表达式和高分名词短语用于提取问题解决技术。我们提出了一个贪婪的方法来描述每一篇文章的技术基础上。最后，我们提出了一个表格，代表了一个特定的应用领域最常用的技术。最后，我们提出了三个用例，对技术和应用领域的使用进行了广泛的时间分析。
2016-08-23 cs.CL
TERMinator: A system for scientific texts processing
A.P. Ershov Institute of Informatics Systems（A.P. 叶尔绍夫信息学系统研究所）；Novosibirsk State University（新西伯利亚国立大学）
本文主要研究从科技文本中抽取实体及其语义关系的问题，将科技术语视为实体。在本文中，我们提出了一个数据集，其中包括两个任务的注释，并开发了一个名为TERMinator的系统，用于研究语言模型对术语识别的影响和关系抽取的不同方法的比较。实验表明，在目标语言上预先训练的语言模型并不总是表现出最好的性能。此外，添加一些启发式方法可以提高特定任务的整体质量。开发的工具和注释语料库可在https://github.com/iis-research-team/terminator上公开获取，可能对其他研究人员有用。
2022-09-29 cs.CL
Exploring LLMs for Scientific Information Extraction Using The SciEx Framework
本文提出SciEx框架，通过解耦关键组件提升科学信息提取的准确性和一致性，评估结果显示其在多科学领域中的有效性。
2026-01-23 cs.AI cs.CL
Structured information extraction from complex scientific text with fine-tuned large language models
University of California, Berkeley（加州大学伯克利分校）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
从非结构化文本中智能地提取和链接复杂的科学信息是一项具有挑战性的工作，特别是对于那些没有自然语言处理经验的人来说。在这里，我们提出了一个简单的序列到序列的方法来联合命名实体识别和关系抽取的复杂层次信息的科技文本。该方法利用了预训练的大语言模型（LLM）GPT-3，该模型在大约500对提示（输入）和完成（输出）上进行了微调。信息可以从摘要/段落中的单个句子或跨句子提取，输出可以作为简单的英语句子或更结构化的格式（如JSON对象列表）返回。我们证明，以这种方式训练的LLM能够准确地提取复杂的科学知识的有用记录，在材料化学中的三个代表性的任务：连接掺杂剂与其主体材料，编目金属有机框架，和一般的化学/相/形态/应用信息抽取。这种方法代表了一种简单，可访问的，高度灵活的路线，以获得大型数据库的结构化知识提取非结构化文本。在线演示可在http://www.matscholar.com/info-extraction上获得。
2022-12-10 cond-mat.mtrl-sci cs.CL
Extracting Fine-Grained Knowledge Graphs of Scientific Claims: Dataset and Transformer-Based Results
SIFT（SIFT研究所）；Northeastern University（东北大学）
最近的基于transformer的方法在关系科学信息抽取方面取得了可喜的成果。现有的数据集侧重于对研究如何进行的高层次描述。相反，我们专注于如何通过构建SciClaim来呈现实验关联的微妙之处，SciClaim是一个从社会和行为科学（SBS），PubMed和CORD-19论文中提取的科学声明数据集。我们新的图注释模式不仅将粗粒度的实体跨度作为节点，将关系作为它们之间的边，而且还将修改实体及其关系的细粒度属性，语料库中共有12，738个标签。通过包含更多的标签类型和超过以前数据集两倍的标签密度，SciClaim捕获了实验变量及其资格，亚型和证据的因果，比较，预测，统计和比例关联。我们扩展了基于转换器的联合实体和关系抽取的工作，以有效地推断我们的模式，展示了细粒度知识图谱在科学索赔和超越的承诺。
2021-09-21 cs.CL
Extracting Semantic Concepts and Relations from Scientific Publications by Using Deep Learning
Universiti Sains Malaysia（马来西亚理科大学）；Hodeidah University（荷台达大学）
随着网络上非结构化数据的不断增加，以机器可理解的形式表示这些数据中的知识的动机也在增加。本体是语义Web上以更有意义的方式表示信息的主要基石之一。当前的本体库无论是在范围上还是在时效性上都是相当有限的。此外，目前的本体抽取系统存在着使用小数据集、依赖大量预定义模式抽取语义关系、抽取的关系类型很少等缺点和不足。本文的目的是介绍一种自动提取科技出版物中的语义概念和关系的方案。本文提出了新类型的语义关系，并指出使用深度学习（DL）模型进行语义关系抽取。
2020-09-04 cs.CL
Can AI Extract Antecedent Factors of Human Trust in AI? An Application of Information Extraction for Scientific Literature in Behavioural and Computer Sciences
CSIRO Data61（联邦科学与工业研究组织数据61部）
本研究从科学文献中提取影响人类对AI信任的因素，创建首个标注数据集，并基准测试大语言模型，发现该任务需监督学习，提示式LLM尚不可行。
2024-12-16 cs.AI cs.CL
Collage: Decomposable Rapid Prototyping for Information Extraction on Scientific PDFs
Language Technologies Institute, School of Computer Science（语言技术研究所，计算机科学学院）；Department of Materials Science and Engineering（材料科学与工程系）
Collage是一个可分解的快速原型工具，支持在科学PDF上可视化、评估多种信息提取模型，提供中间状态细粒度视图，助力材料科学文献综述。
2025-06-22 cs.CL cs.HC
Knowledge AI: Fine-tuning NLP Models for Facilitating Scientific Knowledge Extraction and Understanding
Georgia Institute of Technology（佐治亚理工学院）
该研究提出 Knowledge AI 框架，通过科学领域数据微调 LLM，以提升摘要、生成、问答和命名实体识别能力，支持非专业人员进行科学知识查询与发现。
2024-08-04 cs.AI cs.CL
Query-driven Document-level Scientific Evidence Extraction from Biomedical Studies
First Author Affiliation（第一作者机构）；Second Author Affiliation（第二作者机构）
本文聚焦于存在冲突证据的临床问题，构建了CochraneForest数据集，并提出了检索增强生成框架URCA用于文档级科学证据抽取，其F1分数较最佳方法提升10.3%。
2025-05-30 cs.AI cs.CL
Evaluation of Embedding Models for Automatic Extraction and Classification of Acknowledged Entities in Scientific Documents
GESIS –- Leibniz Institute for the Social Sciences（GESIS——莱布尼茨社会科学研究所）
科学论文中的致谢可以让我们深入了解科学界的各个方面，例如奖励制度、合作模式和隐藏的研究趋势。本文的目的是评估不同的嵌入模型的性能，自动提取和分类的任务，承认的实体，从科技论文中的确认文本。我们使用Flair NLP框架训练并实现了一个命名实体识别（NER）任务。训练使用三个默认的Flair NER模型和两个不同大小的语料库进行。在较大的训练语料库上训练的Flair Embeddings模型显示出最好的准确率，为0.77。我们的模型能够识别六种实体类型：资助机构，资助编号，个人，大学，公司和杂项。该模型对某些实体类型的工作比其他实体类型更精确，因此，个人和赠款数量显示出非常好的F1分数超过0.9。大多数以前的工作确认分析是有限的数据的人工评估，因此，处理的数据量。该模型可用于对回执文本的综合分析，对回执文本的自动分析具有重要的意义。
2022-06-22 cs.CL cs.DL
Multi-Task Identification of Entities, Relations, and Coreference for Scientific Knowledge Graph Construction
University of Washington（华盛顿大学）
我们介绍了一个多任务的设置，识别和分类的实体，关系，并在科学文章中的共指集群。我们创建了SciERC，一个包含所有三个任务的注释的数据集，并开发了一个统一的框架，称为科学信息提取器（SciIE），用于共享跨度表示。多任务设置减少了任务之间的级联错误，并通过共指链接利用跨句子关系。实验表明，我们的多任务模型优于以前的模型在科学信息抽取，而不使用任何特定领域的功能。我们进一步表明，该框架支持科学知识图谱，我们用它来分析科学文献中的信息的建设。
2018-08-29 cs.CL
Transfer Learning for Scientific Data Chain Extraction in Small Chemical Corpus with BERT-CRF Model
National Science Library, Chinese Academy of Science（中国科学院国家科学图书馆）；University of Chinese Academy of Science（中国科学院大学）；City University of New York（纽约城市大学）；Tsinghua University（清华大学）
近年来，由于人工智能的快速发展和突破，计算化学得到了快速发展。由于自然语言处理的发展，研究人员可以从出版物中提取更多细粒度的知识，以刺激计算化学的发展。针对目前化学实体提取的研究成果和语料库主要局限于生物医学或生命科学领域，而化学领域的研究较少的情况，本文建立了一个化学键领域的语料库，标注了化合物、溶剂、方法、键、反应、pKa和pKa值等7类实体。本文提出了一种新的BERT-CRF模型，通过从出版物中提取7个化学实体和关系来构建科学化学数据链。提出了一种联合模型来同时提取实体和关系。我们的化学专业语料库的实验结果表明，我们实现了最先进的和有竞争力的NER性能。
2019-05-13 cs.CL cs.DL
Investigating Deep-Learning NLP for Automating the Extraction of Oncology Efficacy Endpoints from Scientific Literature
AstraZeneca（阿斯利康）；Linguamatics, an IQVIA business（IQVIA旗下Linguamatics公司）
针对科学文献中肿瘤学疗效终点人工提取效率低、易出错的问题，研究团队开发优化了基于机器学习的提取框架，可预测25类疗效终点，在测试集和两个案例研究中F1值分别达96.4%、93.9%和93.7%，与专家结果高度一致，有望加速临床试验设计。
2023-11-03 cs.AI cs.CL
HyperPIE: Hyperparameter Information Extraction from Scientific Publications
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Fraunhofer Institute for Systems and Innovation Research（弗劳恩霍夫系统与创新研究所）；The University of Tokyo（东京大学）
本文提出HyperPIE任务，构建标注数据集，并基于BERT微调模型和多种大语言模型（含YAML输出方法）实现超参数实体识别与关系抽取，取得显著性能提升并分析跨学科模式。
2024-01-10 cs.CL cs.IR
Text to Insight: Accelerating Organic Materials Knowledge Extraction via Deep Learning
Drexel University（德雷塞尔大学）；Northeastern University（东北大学）；Kebotix, Inc.（Kebotix公司）
科学文献是知识共享的重要资源之一。研究人员将科学文献作为设计实验的第一步。鉴于文献的广泛和不断增长的数量，阅读和手动提取知识的常见方法过于耗时，在研究周期中造成瓶颈。这一挑战几乎涉及所有科学领域。对于材料科学来说，分布在数百万出版物中的实验数据对于预测材料性能和设计新材料非常有帮助。然而，直到最近，研究人员才探索了主要用于无机材料的知识提取的计算方法。本研究旨在探讨有机材料的知识提取。我们建立了一个研究数据集，由来自92，667篇摘要的855个注释和708，376个未注释句子组成。我们使用命名实体识别（NER）和BiLSTM-CNN-CRF深度学习模型来自动提取文献中的关键知识。早期阶段的结果显示了自动知识提取的巨大潜力。本文介绍了我们的研究结果和监督的知识提取，可以适应其他科学领域的框架。
2021-09-27 cs.CL cs.IR
CHIMERA: A Knowledge Base of Scientific Idea Recombinations for Research Analysis and Ideation
School of Computer Science and Engineering, The Hebrew University of Jerusalem（计算机科学与工程系，耶路撒冷希伯来大学）；The Allen Institute for AI (AI2)（人工智能研究院（AI2））
CHIMERA是首个基于科学文献自动挖掘的重组实例知识库，用于分析科学家如何跨领域重组概念，并训练生成跨学科研究方向的模型。
2026-04-20 cs.CL
Complex Mathematical Symbol Definition Structures: A Dataset and Model for Coordination Resolution in Definition Extraction
University of Minnesota（明尼苏达大学）；University of Pennsylvania（宾夕法尼亚大学）；Allen Institute for AI（艾伦人工智能研究所）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of California, Berkeley（加州大学伯克利分校）
本文针对数学符号定义抽取中的复杂并列结构解析难题，提出了包含5,927个标注句子的SymDef数据集，并设计了一种基于符号掩盖与槽位填充的定义抽取新方法，其宏F1分数达84.82，显著优于RoBERTa等基线系统。
2023-05-24 cs.CL
OhioState at SemEval-2018 Task 7: Exploiting Data Augmentation for Relation Classification in Scientific Papers using Piecewise Convolutional Neural Networks
The Ohio State University（俄亥俄州立大学）
我们描述了SemEval-2018共享任务的系统，该任务涉及科学论文中的语义关系抽取和分类，我们专注于分类任务。我们简单的分段卷积神经编码器以端到端的方式表现良好。简单的任务间数据增强显著提高了模型的性能。我们表现最好的系统在噪声数据分类任务的20个团队中排名第8，在干净数据分类任务的28个团队中排名第12。
2018-04-30 cs.CL
Pipelines for Procedural Information Extraction from Scientific Literature: Towards Recipes using Machine Learning and Data Science
Kansas State University（堪萨斯州立大学）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
本文描述了一种机器学习和数据科学管道，用于从文档中进行结构化信息抽取，作为一套开源工具和现有工具的扩展来实现。它的中心是一种方法，用于从已发表的科学文献中提取配方形式的程序信息，逐步创建人工制品（在这种情况下合成纳米材料）。从我们的总体目标，生产配方的自由文本，我们得到的技术目标的系统组成的管道阶段：文档采集和过滤，有效载荷提取，配方步骤提取作为一个关系提取任务，配方组装，并通过一个信息检索接口与问答（QA）功能演示。该系统满足计算信息和知识管理（CIKM）的元数据驱动的有效载荷提取，命名实体提取，并从文本中提取关系的要求。本文中描述的功能贡献包括用于PDF过滤和有效负载提取任务的半监督机器学习方法，然后是结构化提取和数据转换任务，首先是部分提取，配方步骤作为信息元组，最后是组装配方。提取质量的可测量的客观标准包括配方步骤的精确度和召回率、排序约束以及QA准确度、精确度和召回率。结果，关键的新贡献，并从这项工作中产生的重要的开放性问题围绕这些整体质量指标的属性，以特定的机器学习和推理阶段的管道，每个与他们的性能指标。所需的配方包含确定的前提条件，材料输入和操作，并构成我们的计算信息和知识管理（CIKM）系统产生的总体输出。
2019-12-16 cs.CL cs.IR cs.LG
Metric-Type Identification for Multi-Level Header Numerical Tables in Scientific Papers
Tokyo Institute of Technology（东京工业大学）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所（AIST））
在科学论文中，数值表被广泛用于表示实验结果。对于表的理解，度量类型对于区分表中的数字至关重要。我们介绍了一个新的信息抽取任务，从多层次的标题数字表的度量类型识别，并提供了一个数据集提取的科学论文组成的标题表，标题，和度量类型。然后，我们提出了两个联合学习的神经分类和生成方案，具有基于指针生成器和基于BERT的模型。我们的研究结果表明，联合模型可以处理在报头和报头外的度量类型识别问题。
2021-02-01 cs.CL
Context Selection for Hypothesis and Statistical Evidence Extraction from Full-Text Scientific Articles
Pennsylvania State University（宾夕法尼亚州立大学）；Old Dominion University（旧 Dominion 大学）
本文研究了从全文科学文章中提取假设及其支持统计证据的挑战，通过两阶段检索与提取框架，发现针对性上下文选择能提升假设提取效果，但统计证据提取仍面临较大困难。
2026-03-22 cs.AI cs.CL cs.DL
Extracting ORR Catalyst Information for Fuel Cell from Scientific Literature
Institutes of Innovation for Future Society, Nagoya University（未来社会创新研究所，名古屋大学）；Computational Intelligence Laboratory, Toyota Technological Institute（计算智能实验室，丰田技术研究所）
本研究提出基于DyGIE++和多种预训练BERT变体的命名实体识别与关系抽取方法，从文献中提取ORR催化剂信息，实验证明领域特定模型在提取性能上优于通用模型。
2025-07-10 cs.CL physics.data-an
PolyIE: A Dataset of Information Extraction from Polymer Material Scientific Literature
College of Computing（计算学院）
针对聚合物材料缺乏科学信息抽取数据集的问题，构建了PolyIE数据集，包含146篇论文的实体与N元关系标注，并评估了现有模型，为相关研究提供基准。
2023-11-13 cs.AI cs.CL cs.IR
Toward Reliable Ad-hoc Scientific Information Extraction: A Case Study on Two Materials Datasets
University of New Hampshire（新罕布什尔大学）；University of California, Santa Barbara（加州大学圣芭芭拉分校）
该研究探究GPT-4从科学文献中执行基于临时模式的信息抽取能力，通过基础提示方法复现两个材料科学数据集，经人工错误分析明确模型难点并提出研究方向以提升该任务性能。
2025-05-25 cond-mat.mtrl-sci cs.AI cs.CL
SciNLP: A Domain-Specific Benchmark for Full-Text Scientific Entity and Relation Extraction in NLP
Nanjing University of Science and Technology（南京理工大学）；Soochow University（苏州大学）
SciNLP是一个专门用于自然语言处理领域全文科学实体和关系提取的基准数据集，包含60篇人工标注的全文NLP论文，涵盖6,409个实体和1,648个关系，通过对比实验验证了其在不同长度学术文本上的提取能力，实现了细粒度知识图谱的自动构建。
2026-09-16 cs.CL cs.DL cs.IR
Beyond path selection: Better LLMs for Scientific Information Extraction with MimicSFT and Relevance and Rule-induced(R$^2$)GRPO
HKUST Hong Kong SAR, China（香港科技大学）；SEU Jiangsu, China（江苏大学）；HKUST(GZ) Guangzhou, China（香港科技大学（广州））；Zhipu AI Beijing, China（智谱AI）；HKUST(GZ), HKUST Guangzhou, China（香港科技大学（广州）、香港科技大学）
针对科学信息抽取中 LLMs 表现不佳的问题，提出结合 MimicSFT 和 R$^2$GRPO 的两阶段训练方法，无需高质量思维链数据即可优化推理路径并提升推理能力，在关系抽取任务上超越基线与专门监督模型。
2025-05-28 cs.AI cs.CL cs.IR
MIT at SemEval-2017 Task 10: Relation Extraction with Convolutional Neural Networks
MIT（麻省理工学院）
发表了5 000多万篇学术文章：它们构成了一个独特的知识库。特别是，人们可以从中推断出科学概念之间的关系，如同义词和下位词。人工神经网络最近已被探索用于关系抽取。在这项工作中，我们继续这条工作线，并提出了一个系统的基础上的卷积神经网络提取关系。我们的模型在SemEval-2017任务10（ScienceIE）中排名第一，用于科学文章中的关系抽取（子任务C）。
2017-04-05 cs.AI cs.CL cs.NE
Embedding Models for Supervised Automatic Extraction and Classification of Named Entities in Scientific Acknowledgements
GESIS — Leibniz Institute for the Social Sciences（GESIS——莱布尼茨社会科学研究所）
本研究使用Flair框架训练NER模型，从科学论文致谢中自动提取和分类实体，最佳准确率达0.79，可识别六类实体，为自动化致谢分析做出贡献。
2023-07-25 cs.CL cs.DL cs.IR
SoMeSci- A 5 Star Open Data Gold Standard Knowledge Graph of Software Mentions in Scientific Articles
University of Rostock（罗斯托克大学）；GESIS - Leibniz Institute for the Social Sciences（莱布尼茨社会科学研究所）；Heinrich-Heine-University（海因里希·海涅大学）
关于科学调查中使用的软件的知识很重要，原因有几个，例如，使人们能够了解数据处理的来源和方法。然而，软件通常不被正式引用，而是在调查的学术描述中被非正式地提及，这就需要自动信息抽取和消歧。由于缺乏可靠的地面真相数据，我们提出SoMeSci（科学中的软件提及），这是科学文章中软件提及的黄金标准知识图谱。它包含1367篇PubMed Central文章中提到的3756个软件的高质量注释（IRR：$κ{=}.82$）。除了简单地提到软件之外，我们还提供了其他信息的关系标签，例如版本，开发人员，URL或引用。此外，我们区分不同类型，如应用程序，插件或编程环境，以及不同类型的提及，如使用或创建。据我们所知，SoMeSci是关于科学文章中提到的软件的最全面的语料库，为命名实体识别，关系抽取，实体消歧和实体链接提供训练样本。最后，我们勾勒出潜在的用例并提供基线结果。
2021-08-20 cs.CL cs.IR
Metalinguistic Information Extraction for Terminology
本文介绍和评估元语言操作处理器（MOP）系统的元语言信息的自动编译技术和科学文件。该系统的目的是提取非标准的术语资源，我们称之为元语言信息数据库（或MID），以帮助更新不断变化的词汇表，知识库和本体，以及反映亚稳态动态的专业领域知识。
2005-04-15 cs.AI cs.CL cs.IR
MatSciBERT: A Materials Domain Language Model for Text Mining and Information Extraction
Indian Institute of Technology Delhi（印度理工学院德里分校）
材料领域中的大量知识以文本形式产生并存储在同行评审的科学文献中。自然语言处理的最新发展，如Transformers（BERT）模型的双向编码器表示，提供了有前途的工具，从这些文本中提取信息。然而，在材料领域中直接应用这些模型可能会产生次优的结果，因为模型本身可能不会在特定于该领域的符号和术语上进行训练。在这里，我们提出了一种材料感知的语言模型，即MatSciBERT，它是在材料领域发表的大量科学文献语料库上训练的。我们进一步评估了MatSciBERT在不同材料数据集上的三个下游任务，即抽象分类，命名实体识别和关系抽取的性能。我们表明，MatSciBERT优于SciBERT，科学语料库上训练的语言模型，在所有的任务。此外，我们还讨论了MatSciBERT在材料领域提取信息的一些应用，这些信息反过来又有助于材料的发现或优化。最后，为了让更大的材料社区可以访问这项工作，我们让MatSciBERT的预训练和微调权重和模型可以免费访问。
2021-09-30 cond-mat.mtrl-sci cs.CL
Evaluating LLMs for Zeolite Synthesis Event Extraction (ZSEE): A Systematic Analysis of Prompting Strategies
Birla Institute of Technology and Science, Pilani, India（巴尔·印度技术科学学院，比兰利，印度）
本文评估了不同提示策略在沸石合成事件提取中的效果，发现零样本方法在事件分类上表现优异，但细粒度提取任务需领域适应模型。
2025-12-17 cs.AI cs.CL
SemEval 2017 Task 10: ScienceIE - Extracting Keyphrases and Relations from Scientific Publications
University College London（伦敦大学学院）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
我们描述了SemEval从科学文献中提取关键词及其之间关系的任务，这对于理解哪些出版物描述了哪些过程，任务和材料至关重要。虽然这是一项新任务，但我们在3个评估场景中共收到26份提交。我们期望本文中报告的任务和发现与致力于理解科学内容的研究人员以及更广泛的知识库人群和信息抽取社区相关。
2017-05-02 cs.AI cs.CL stat.ML
CoRank: LLM-Based Compact Reranking with Document Features for Scientific Retrieval
University of Illinois \ -Champaign Urbana United States；Korea University Seoul South Korea；University of Illinois \ -Champaign；Korea University
CoRank提出一种无需训练、模型无关的三阶段科学检索重排序框架，利用类别、章节、关键词等紧凑文档特征先进行粗粒度重排序，再对顶部候选全文细粒度排序，在5个数据集上将平均nDCG@10从50.6提升至55.5。
2025-08-17 cs.CL cs.IR
Building a Relation Extraction Baseline for Gene-Disease Associations: A Reproducibility Study
University of Padua（帕多瓦大学）
复制是科学研究中的一项重要任务。研究人员将新开发的系统与最先进的系统进行比较，以评估它们是否取得了突破，这一点至关重要。然而，以前的作品可能无法立即复制，例如由于缺乏源代码。在这项工作中，我们重现DEXTER，系统自动提取基因疾病协会（GDA）从生物医学摘要。我们的目标是提供一个基准，为未来的工作有关关系抽取（RE），使研究人员能够测试和比较他们的结果。
2022-07-04 cs.CL cs.IR q-bio.QM
SciREX: A Challenge Dataset for Document-Level Information Extraction
Allen Institute for AI（艾伦人工智能研究所）；Northeastern University（东北大学）；University of Washington（华盛顿大学）
从完整文档中提取信息在许多领域都是一个重要的问题，但大多数以前的工作集中在确定句子或段落中的关系。在文档级创建大规模信息抽取（IE）数据集是具有挑战性的，因为它需要理解整个文档来注释实体及其文档级关系，这些关系通常跨越句子甚至部分。在本文中，我们介绍了SciREX，文档级IE数据集，包括多个IE任务，包括显着的实体识别和文档级$N$ -ary关系识别从科学文章。我们通过集成自动和人工注释来注释数据集，利用现有的科学知识资源。我们开发了一个神经模型作为一个强大的基线，将以前最先进的IE模型扩展到文档级IE。分析模型性能显示，人类性能与当前基线之间存在显著差距，邀请社区使用我们的数据集作为开发文档级IE模型的挑战。我们的数据和代码可在https://github.com/allenai/SciREX上公开获取
2020-05-01 cs.CL cs.IR cs.LG
Keyword Extraction in Scientific Documents
ETH Zurich（苏黎世联邦理工学院）；SUPSI（瑞士南部应用科学与艺术大学）；HE-Arc（阿尔高等工程学院）；Dalle Molle Institute for Artificial Intelligence USI-SUPSI（USI-SUPSI达尔·莫勒人工智能研究所）
科学出版物的产量呈指数级增长。因此，跟踪趋势和变化越来越具有挑战性。理解科学文献是知识图谱构建、文本挖掘和学科分类等下游任务的重要步骤。在这个研讨会中，我们提供了一个更好的理解关键字和关键短语提取从摘要的科学出版物。
2022-07-07 cs.CL
Journal Name Extraction from Japanese Scientific News Articles
Toyohashi University of Technology（丰桥技术科学大学）
在日本的科学新闻文章中，虽然对研究结果进行了明确的描述，但文章的来源往往是不被引用的。这使得读者很难了解研究的细节。在本文中，我们解决的任务，从日本的科学新闻文章中提取期刊名称。我们假设，一个期刊名称很可能出现在一个特定的上下文中。为了支持这一假设，我们构建了一个基于字符的方法，并使用该方法提取期刊名称。此方法仅使用日志名称的左右上下文特征。期刊名称提取的结果表明，分布假设在识别期刊名称中起着重要的作用。
2019-06-11 cs.CL
Unsupervised Keyphrase Extraction from Scientific Publications
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
我们提出了一种新的无监督的关键词提取方法，过滤候选关键字使用离群检测。它首先在目标文档上训练词嵌入，以捕获词之间的语义重叠。然后，它使用最小协方差行列式估计器来模拟非关键短语词向量的分布，假设这些向量来自相同的分布，表明它们与学习向量表示的维度所表达的语义无关。候选关键短语仅由被检测为该主导分布的离群值的单词组成。实证结果表明，我们的方法优于国家的最先进的和最近的无监督关键词提取方法。
2020-07-12 cs.CL
