识别天文学论文中的行星名称：一种多步方法
计算与语言
2023-12-19 v2 天体物理仪器与方法
机器学习
摘要
在天文学出版物中自动识别行星特征名称面临诸多挑战。这些特征包括陨石坑，定义为因撞击或火山活动形成的近似圆形凹陷；山脊，即细长的隆起结构或皱脊；以及湖，即月球上由暗色、光滑物质组成的不规则小块，被称为“湖”。许多特征名称与它们所命名的地点或人物名称重叠，例如 Syria、Tempe、Einstein 和 Sagan 等。部分特征名称已在多种语境中使用，例如 Apollo，除了指代月球上的陨石坑外，还可指代任务、计划、样本、宇航员、地震、地震仪、岩心、时代、数据、收集、仪器和站点。部分特征名称在文本中可作为形容词出现，如月球陨石坑 Black、Green 和 White。某些语境下的部分特征名称充当方向，如月球上的 West 和 South 陨石坑。此外，某些特征在不同天体上共享相同名称，需要消歧，例如同时存在于月球和火星上的 Adams 陨石坑。我们提出了一种多步流水线，结合基于规则的过滤、统计相关性分析、词性 (POS) 标注、命名实体识别 (NER) 模型、混合关键词收集、知识图谱 (KG) 匹配，以及利用本地安装的大语言模型 (LLM) 进行推理，以在这些挑战下可靠地识别行星名称。在来自天体物理数据系统 (ADS) 的天文学论文数据集上进行评估时，该方法在消歧行星特征名称方面取得了超过 0.97 的 F1 分数。
引用
@article{arxiv.2312.08579,
title = {Identifying Planetary Names in Astronomy Papers: A Multi-Step Approach},
author = {Golnaz Shapurian and Michael J Kurtz and Alberto Accomazzi},
journal= {arXiv preprint arXiv:2312.08579},
year = {2023}
}