DiSCoMaT：材料科学文献中表格成分抽取的远程监督方法
计算与语言
2024-01-30 v4 材料科学
信息检索
摘要
为科学领域（如材料科学、食品与营养、燃料）构建知识库（KB）的关键环节，是从该领域已发表研究文章的表格中抽取信息。为推进此方向研究，我们定义了一项从材料科学论文表格中抽取材料（如玻璃）成分的新颖 NLP 任务。该任务需协同解决若干挑战：提及成分的表格结构高度多变；需将图注与全文文本同表格数据结合；且必须将数字、化合物与成分表达式的正则语言集成入模型。我们发布了包含 4,408 个远程监督表格的训练数据集，以及 1,475 个人工标注的开发与测试表格。我们还给出了一个强基线 DiSCoMaT，其将多个图神经网络与若干任务特定的正则表达式、特征及约束相结合。我们表明 DiSCoMaT 以显著优势超越近期表格处理架构。
引用
@article{arxiv.2207.01079,
title = {DiSCoMaT: Distantly Supervised Composition Extraction from Tables in Materials Science Articles},
author = {Tanishq Gupta and Mohd Zaki and Devanshi Khatsuriya and Kausik Hira and N. M. Anoop Krishnan and Mausam},
journal= {arXiv preprint arXiv:2207.01079},
year = {2024}
}
备注
Accepted long paper at ACL 2023 (https://2023.aclweb.org/program/accepted_main_conference/)