从科学文献中自动生成数据库的无规则工作流

科学领域:

• 自然语言处理自然语言处理.
• 材料科学 材料科学 材料科学
• 机器学习 机器学习

背景情况:

• 包括BERT模型在内的变压器网络在自然语言处理任务中表现出色.
• 从科学文献中自动提取结构化数据对于材料设计至关重要.
• 现有的方法通常依赖于复杂的语法规则,限制了适应性.

研究的目的:

• 提供灵活的工作流程,用于使用微调的BERT模型从科学文献中自动提取结构化信息.
• 证明工作流程适应新任务的适应性,而无需广泛实施.
• 评估自动提取数据在材料设计和机器学习应用中的实用性.

主要方法:

• 微调下游任务的BERT模型以提取结构化复合财产关系.
• 自动生成库里温度和频段间隙的数据库.
• 将自动提取的数据集与手动策划和基于规则的方法进行比较.
• 使用提取的数据进行财产预测的机器学习模型的构建.

主要成果:

• 工作流程自动地从非结构化的科学文本中提取结构化信息.
• 自动提取的数据集,虽然可能更杂,但可以快速生成大量数据.
• 自动提取的数据量可以部分抵消下游机器学习任务中的不准确性.
• 生成的数据集与手工策划和基于最新规则的方法可比.

结论:

• 拟议的工作流提供了一种高效和可适应的方法来提取结构化科学数据.
• 自动数据提取有助于快速生成材料特性数据库.
• 该方法使大,自动提取的数据集在材料设计和预测建模中的实际应用成为可能.