ETDPC：一种用于电子学位论文页面分类的多模态框架
计算机视觉与模式识别
2023-11-09 v1 人工智能
数字图书馆
机器学习
摘要
电子学位论文（ETDs）被提出、倡导和生成已有二十余年。尽管ETDs由商业或机构数字图书馆仓储托管，它们仍是一种未被充分研究的学术大数据类型，部分原因是它们通常比会议录和期刊更长。对ETDs进行分段将使研究者能够研究章节内容。读者可导航至感兴趣的特定页面，发现并探索这些长文档中埋藏的内容。现有大多数文档页面分类框架是为通用文档分类设计的，在ETDs上表现不佳。本文中，我们提出ETDPC。其骨干是一个具有交叉注意力网络的多流多模态模型，用于将ETD页面分为13类。为克服标注样本不平衡的挑战，我们对少数类进行了数据增强并采用了分层分类器。ETDPC在所有类别上均优于SOTA模型，在13类中的9类上取得了0.84–0.96的F1分数。我们还展示了其数据效率。代码与数据可在GitHub上找到（https://github.com/lamps-lab/ETDMiner/tree/master/etd_segmentation）。
引用
@article{arxiv.2311.04262,
title = {ETDPC: A Multimodality Framework for Classifying Pages in Electronic Theses and Dissertations},
author = {Muntabir Hasan Choudhury and Lamia Salsabil and William A. Ingram and Edward A. Fox and Jian Wu},
journal= {arXiv preprint arXiv:2311.04262},
year = {2023}
}
备注
10 pages, 3 figures, accepted to Innovative Applications of Artificial Intelligence (IAAI-24)