一个机器学习驱动的自动化系统,用于安全数据表的索引
Aatish Suman1, Misbah Khan2, Veeru Talreja2
1Velocity EHS Inc, Chicago, IL, 60654, USA. asuman@ehs.com.
Scientific reports
|February 22, 2024
概括
自动化安全数据表 (SDS) 索引提取关键的化学成分数据. 这种新系统有效地识别了SDS文档中的成分名称,CAS号和百分比,从而减少了人工工作.
科学领域:
- 化学安全与管理
- 数据科学和机器学习
- 环境健康与安全 (EHS)
背景情况:
- 安全数据表 (SDS) 对化学品管理,EHS和ESG合规性至关重要.
- 手动的SDS索引是劳动密集型,昂贵和耗时的.
- 从SDS中进行结构化数据提取对于有效的信息检索至关重要.
研究的目的:
- 开发一个自动化系统,从SDS文档中索引关键信息.
- 为了提取成分名称,化学摘要服务 (CAS) 号码和重量百分比.
- 用一种高效的,自动化的解决方案取代传统的手动SDS索引.
主要方法:
- 一种结合机器学习模型和基于规则的系统的多阶段组合方法.
- 输入:以PDF格式的SDS文件.
- 输出:成分名称,CAS号和重量百分比的表格数据.
主要成果:
- 自动化系统成功地从SDS中索引了成分信息.
- 实现了 0.93.9 的文档级精度.
- 在一组数据中验证了20,000份注释的SDS文件.
结论:
- 开发的自动化系统为SDS索引提供了一种高效和准确的方法.
- 这种方法显著改善了化学成分数据的提取.
- 该系统支持增强化学品管理,EHS和ESG实践.
更多相关视频
08:20Systematic Approach to Identify Novel Antimicrobial and Antibiofilm Molecules from Plants' Extracts and Fractions to Prevent Dental Caries
Published on: March 31, 2021
6.3K
10:17High-throughput and Comprehensive Drug Surveillance Using Multisegment Injection-Capillary Electrophoresis-Mass Spectrometry
Published on: April 23, 2019
9.6K
