ChatPD：一个由 LLM 驱动的论文-数据集网络系统
数据库
2025-05-29 v1 人工智能
信息检索
摘要
科学研究严重依赖合适的数据集进行方法验证，但现有的具备数据集管理功能的学术平台（如 PapersWithCode）因其人工工作流程而存在效率低下的问题。为克服这一瓶颈，我们提出了一个名为 ChatPD 的系统，该系统利用大型语言模型（LLM）从学术论文中自动提取数据集信息，并构建结构化的论文-数据集网络。我们的系统由三个关键模块组成：论文收集、数据集信息提取和数据集实体解析，以构建论文-数据集网络。具体而言，我们提出了一种图补全与推理策略，将数据集描述映射到其对应实体。通过大量实验，我们证明 ChatPD 不仅在数据集使用提取方面优于现有平台 PapersWithCode，而且在实体解析任务中实现了约 90% 的精确率和召回率。此外，我们已部署 ChatPD 以持续提取论文中使用的数据集，并提供数据集发现服务，例如特定任务的数据集查询和相似数据集推荐。我们在该 GitHub 仓库开源 ChatPD 及当前的论文-数据集网络：https://github.com/ChatPD-web/ChatPD。
引用
@article{arxiv.2505.22349,
title = {ChatPD: An LLM-driven Paper-Dataset Networking System},
author = {Anjie Xu and Ruiqing Ding and Leye Wang},
journal= {arXiv preprint arXiv:2505.22349},
year = {2025}
}
备注
Accepted by KDD Applied Data Science Track 2025