MaTableGPT：基于GPT的材料科学文献表格数据提取器
计算与语言
2024-06-11 v1
摘要
从科学文献的表格中高效提取数据对于构建大规模数据库至关重要。然而，材料科学论文中报告的表格形式高度多样化，因此基于规则的提取方法效果不佳。为克服这一挑战，我们提出了MaTableGPT，这是一个基于GPT的材料科学文献表格数据提取器。MaTableGPT的关键策略包括表格数据表示和表格分割，以增强GPT的理解能力，并通过后续问题过滤幻觉信息。当应用于大量水分解催化文献时，MaTableGPT的提取准确率（总F1分数）高达96.8%。通过对零样本、少样本和微调学习方法在GPT使用成本、标注成本和提取准确率方面的综合评估，我们提出了一个帕累托前沿映射，其中少样本学习方法因其高提取准确率（总F1分数>95%）和低成本（GPT使用成本5.97美元，标注成本10个输入/输出配对示例）而被认为是最平衡的解决方案。对MaTableGPT生成的数据库进行的统计分析揭示了水分解文献中报告的催化剂过电位和元素利用分布的有价值见解。
引用
@article{arxiv.2406.05431,
title = {MaTableGPT: GPT-based Table Data Extractor from Materials Science Literature},
author = {Gyeong Hoon Yi and Jiwoo Choi and Hyeongyun Song and Olivia Miano and Jaewoong Choi and Kihoon Bang and Byungju Lee and Seok Su Sohn and David Buttler and Anna Hiszpanski and Sang Soo Han and Donghun Kim},
journal= {arXiv preprint arXiv:2406.05431},
year = {2024}
}