文献参考文献抽取的混合方法与统一框架
计算机视觉与模式识别
2020-12-15 v2 数字图书馆
摘要
出版物是科学共同体的有机组成部分。由于参考文献样式与文档排版的多样性，从科学出版物中抽取文献参考文献是一项具有挑战性的任务。现有方法在单一数据集上表现充分，然而将这些方案应用于不同数据集则颇具挑战。因此，人们期待一种能克服先前方法局限的通用解决方案。本文的贡献有三方面。首先，提出一种称为 DeepBiRD 的新方法，其受人类视觉感知启发，利用版面特征识别科学出版物中的各个参考文献。其次，我们发布一个大规模基于图像的参考文献检测数据集，包含 2401 张扫描件与 38863 条参考文献，均经人工标注各独立参考文献。第三，我们提出一个统一且高度可配置的端到端自动文献参考文献抽取框架 BRExSys，其采用 DeepBiRD 与最先进的基于文本的模型，从文献文档中检测并可视化参考文献。我们提出的方法对图像进行预处理，通过使用不同计算机视觉技术处理给定图像获得混合表示。随后，利用 Mask R-CNN 在给定的科学出版物上执行版面驱动的参考文献检测。DeepBiRD 在两个不同数据集上评估以展示该方法的泛化能力。所提系统在我们的数据集上取得了 98.56% 的 AP50。DeepBiRD 在其数据集上显著优于当前最先进方法。因此，表明 DeepBiRD 在性能上显著更优、具泛化性且独立于任何领域或引用样式。
引用
@article{arxiv.1912.07266,
title = {A Hybrid Approach and Unified Framework for Bibliographic Reference Extraction},
author = {Syed Tahseen Raza Rizvi and Andreas Dengel and Sheraz Ahmed},
journal= {arXiv preprint arXiv:1912.07266},
year = {2020}
}