MolMole: 从科学文献中挖掘分子
机器学习
2025-05-09 v2
摘要
从科学文献中提取分子结构和反应数据面临挑战，因为化学格式多样且非结构化，文档布局复杂。为解决这一问题，我们提出 MolMole，一个基于视觉的深度学习框架，将分子检测、反应图解析和光学化学结构识别（OCSR）统一为一个流水线，实现从页面级文档中直接自动化提取化学数据。鉴于缺乏标准的页面级基准和评估指标，我们还提供了一个包含 550 页的测试集，标注了分子边界框、反应标签和 MOL 文件，以及一种新的评估指标。实验结果表明，MolMole 在我们的基准测试和公开数据集上均优于现有工具包。该基准测试集将公开发布，MolMole 工具包也将通过 LG AI Research 网站上的交互式演示提供商业查询，请联系 \href{mailto:[email protected]}{contact\[email protected]}。
引用
@article{arxiv.2505.03777,
title = {MolMole: Molecule Mining from Scientific Literature},
author = {LG AI Research and Sehyun Chun and Jiye Kim and Ahra Jo and Yeonsik Jo and Seungyul Oh and Seungjun Lee and Kwangrok Ryoo and Jongmin Lee and Seung Hwan Kim and Byung Jun Kang and Soonyoung Lee and Jun Ha Park and Chanwoo Moon and Jiwon Ham and Haein Lee and Heejae Han and Jaeseung Byun and Soojong Do and Minju Ha and Dongyun Kim and Kyunghoon Bae and Woohyung Lim and Edward Hwayoung Lee and Yongmin Park and Jeongsang Yu and Gerrard Jeongwon Jo and Yeonjung Hong and Kyungjae Yoo and Sehui Han and Jaewan Lee and Changyoung Park and Kijeong Jeon and Sihyuk Yi},
journal= {arXiv preprint arXiv:2505.03777},
year = {2025}
}
备注
15 pages, 12 figures