Paper2Data：从科学文献中提取全球城市数据的大规模LLM方法
信息检索
2026-04-21 v1 人工智能
摘要
城市数据支持跨多个学科的广泛应用。然而，在全球尺度上，尚无统一平台用于城市数据发现。结果，研究人员常需手动搜索网站或科学文献以识别相关数据集。为此，我们构建了一个开放的城市数据发现门户UrbanDataMiner，支持对超过60,000个城市数据集（来自15,000多篇Nature系列出版物）进行数据集级别的搜索和过滤。UrbanDataMiner由Paper2Data驱动，Paper2Data是一条新颖的大规模LLM驱动管道，自动识别科学论文中的数据集提及并使用统一的城市数据元数据模式进行结构化。人工标注评估表明，Paper2Data在数据集识别方面实现约90%的高召回率，在字段级别精度方面超过80%。此外，UrbanDataMiner能够检索到超过9%的数据集，这些数据集难以通过诸如Google等通用搜索引擎发现。总体而言，我们的工作提供了面向城市数据发现的首个大规模、文献导向的基础设施，使跨学科的数据驱动研究更加系统化和可重用。我们的代码和数据已公开available\footnote{https://github.com/Yourunwen/Paper2Data}。
引用
@article{arxiv.2604.16317,
title = {Paper2Data: Large-Scale LLM Extraction and Metadata Structuring of Global Urban Data from Scientific Literature},
author = {Runwen You and Tong Xia and Jingzhi Wang and Jiankun Zhang and Tengyao Tu and Jinghua Piao and Yi Chang and Yong Li},
journal= {arXiv preprint arXiv:2604.16317},
year = {2026}
}