STEREO：从科学论文中抽取实验统计、条件与主题的流水线
数字图书馆
2022-12-09 v2
摘要
统计结果的常见写作风格为美国心理协会的建议，即APA风格。然而实践中写作风格各异，报告并非100%遵循APA风格，或尽管强制却未报告参数。此外，统计并非孤立报告，而是在所调研实验条件与总体主题的背景下报告。我们通过提出基于主动包装器归纳与无监督方面抽取的灵活流水线STEREO应对这些挑战。我们将该流水线应用于CORD-19数据集中超过100,000篇文档。仅用语料的0.25%（约500篇文档）即学习了覆盖CORD-19中95%句子的统计抽取规则。统计抽取在APA一致文本上精度近100%，在非APA写作风格上精度为95%。总计我们抽取了113k个报告统计，其中仅<1%为APA一致。我们能在46%的APA一致报告中正确抽取条件（非APA为30%）。主题抽取的最佳模型在APA风格报告统计上达到75%精度（非APA一致为73%）。我们结论为STEREO是自动统计抽取与科学论文分析未来发展的良好基础。尤其非APA一致报告的抽取十分重要，并可支持诸如向作者反馈缺失与可改动之处等应用。
引用
@article{arxiv.2103.14124,
title = {STEREO: A Pipeline for Extracting Experiment Statistics, Conditions, and Topics from Scientific Papers},
author = {Steffen Epp and Marcel Hoffmann and Nicolas Lell and Michael Mohr and Ansgar Scherp},
journal= {arXiv preprint arXiv:2103.14124},
year = {2022}
}
备注
Paper accepted at iiWAS2021