正则表达式集的约简与领域特异性统计报告差异分析
数字图书馆
2023-03-28 v2
摘要
由于每日科学出版物数量庞大，人工审阅每一篇是不可能的。因此，关键信息的自动抽取是理想的。本文中，我们考察了 STEREO——一个使用正则表达式从科学论文中抽取统计量的工具。通过使现有的正则表达式包含算法适应我们的用例，我们将 STEREO 中使用的正则表达式数量减少了约 。我们从浓缩后的规则集中揭示了可用于创建新规则的通用模式。我们还将先前在生命科学与医学领域训练的 STEREO 应用于一个新的科学领域，即人机交互（HCI），并重新评估。根据我们的研究，HCI 领域的统计量与医学领域相似，尽管在 HCI 领域发现了更高比例的符合 APA 规范的统计量。此外，我们比较了基于 PDF 和 LaTeX 源文件的抽取，发现 LaTeX 对抽取更可靠。
引用
@article{arxiv.2211.13632,
title = {Reducing a Set of Regular Expressions and Analyzing Differences of Domain-specific Statistic Reporting},
author = {Tobias Kalmbach and Marcel Hoffmann and Nicolas Lell and Ansgar Scherp},
journal= {arXiv preprint arXiv:2211.13632},
year = {2023}
}