PcMSP：面向多晶材料合成步骤文本中科学动作图抽取的数据集
计算与语言
2022-10-25 v1
摘要
从材料合成步骤中抽取科学动作图对于可重复研究、机器自动化与材料预测具有重要意义。但标注数据的缺乏阻碍了该领域的进展。我们展示了从 305 篇开放获取科学论文中标注多晶材料合成步骤（PcMSP）以构建合成动作图的工作。这是一个新的材料科学信息抽取数据集，同时包含从实验段落抽取的合成句子，以及实体提及和句内关系。两步人工标注与标注者间一致性研究保证了 PcMSP 语料的高质量。我们引入四项自然语言处理任务：句子分类、命名实体识别、关系分类以及实体与关系联合抽取。综合实验验证了若干 SOTA 模型应对这些挑战的有效性，但仍留有较大改进空间。我们还进行了错误分析并指出一些需要进一步研究的独特挑战。我们将向研究界发布标注方案、语料与代码，以缓解该领域标注数据的稀缺。
引用
@article{arxiv.2210.12401,
title = {PcMSP: A Dataset for Scientific Action Graphs Extraction from Polycrystalline Materials Synthesis Procedure Text},
author = {Xianjun Yang and Ya Zhuo and Julia Zuo and Xinlu Zhang and Stephen Wilson and Linda Petzold},
journal= {arXiv preprint arXiv:2210.12401},
year = {2022}
}
备注
Findings of EMNLP 2022