面向合金的增强型多元组提取：融合指针网络与增强注意力
计算与语言
2025-03-11 v1 人工智能
摘要
从科学文献中提取高质量的结构化信息对于通过数据驱动方法推进材料设计至关重要。尽管在自然语言处理中针对数据集提取已有大量研究，但由于元组的复杂相互关系和上下文歧义，科学文献中用于多元组提取的有效方法仍然稀缺。在本研究中，我们阐述了从多主元合金中提取机械性能的多元组提取过程，并提出了一种新框架，该框架结合了基于 MatSciBERT 的实体提取模型与指针网络，以及利用实体间和实体内注意力的分配模型。我们对元组提取的严格实验表明，在包含 1、2、3 和 4 个元组的数据集上，F1 分数分别为 0.963、0.947、0.848 和 0.753，证实了该模型的有效性。此外，在随机构建的数据集上获得了 0.854 的 F1 分数。这些结果突显了该模型提供精确和结构化信息的能力，为大型语言模型提供了稳健的替代方案，并为研究人员配备了促进数据驱动创新的基础数据。
引用
@article{arxiv.2503.06861,
title = {Enhanced Multi-Tuple Extraction for Alloys: Integrating Pointer Networks and Augmented Attention},
author = {Mengzhe Hei and Zhouran Zhang and Qingbao Liu and Yan Pan and Xiang Zhao and Yongqian Peng and Yicong Ye and Xin Zhang and Shuxin Bai},
journal= {arXiv preprint arXiv:2503.06861},
year = {2025}
}
备注
17 pages, 5 figures