OpenChemIE：化学文献信息抽取工具包
机器学习
2024-04-03 v1 计算与语言
信息检索
摘要
从化学文献中进行信息抽取对于构建数据驱动的化学反应数据库至关重要。完整的抽取工作需要跨文本、表格和图形进行信息整合，而现有研究主要聚焦于单一模态的反应抽取。本文提出了 OpenChemIE 以解决这一复杂挑战，实现文档级的反应数据抽取。OpenChemIE 采用两步方法：首先从各单独模态中抽取相关信息，再整合得到最终的反应列表。针对第一步， 我们采用专门的神经网络模型分别解决化学信息抽取中的特定任务，如从文本或图形中解析分子或反应。随后通过化学知识驱动的算法整合这些模块的信息，实现对反应条件和底物范围调查等细粒度反应数据的抽取。我们的机器学习模型在各自任务上均取得最先进性能。我们细致标注了一个包含 R-基团的具有挑战性的反应方案数据集，以整体评估该管道，实现 F1 分数为 69.5%。此外，OpenChemIE 的反应抽取结果在直接与 Reaxys 化学数据库比较时，准确率达 64.3%。我们将 OpenChemIE 作为开源软件免费向公众提供，同时提供网页界面。
关键词
引用
@article{arxiv.2404.01462,
title = {OpenChemIE: An Information Extraction Toolkit For Chemistry Literature},
author = {Vincent Fan and Yujie Qian and Alex Wang and Amber Wang and Connor W. Coley and Regina Barzilay},
journal= {arXiv preprint arXiv:2404.01462},
year = {2024}
}
备注
To be submitted to the Journal of Chemical Information and Modeling