基于深度学习方法的知识驱动材料物质命名实体识别（MNER）
信息检索
2023-05-30 v1
摘要
科学文献中包含材料科学领域的大量前沿知识，以及有用的数据（例如来自实验结果的数值数据、材料性质与结构）。这些数据对于数据驱动的机器学习（ML）和深度学习（DL）方法加速材料发现至关重要。由于出版物数量庞大且不断增长，人类难以手动检索和保留这些知识。在此背景下，我们研究了一种基于 Bi-LSTM 的深度神经网络模型，用于从已发表的科学文章中提取知识。所提出的基于深度神经网络的模型在材料命名实体识别（MNER）任务上取得了约 97% 的 f-1 分数。本研究涵盖了研究动机、相关工作、方法论、超参数以及整体性能评估。该分析对实验结果提供了深入见解，并指出了当前研究的未来方向。
引用
@article{arxiv.2211.02585,
title = {Material Named Entity Recognition (MNER) for Knowledge-driven Materials Using Deep Learning Approach},
author = {M. Saef Ullah Miah and Junaida Sulaiman},
journal= {arXiv preprint arXiv:2211.02585},
year = {2023}
}
备注
10 pages