一个机器学习驱动的自动化系统,从安全数据表文件中提取多个信息字段
Misbah Khan1, Julia Penfield1, Aatish Suman1
1VelocityEHS, Chicago, USA.
Heliyon
|March 3, 2025
概括
自动化安全数据表 (SDS) 索引有效地提取关键化学信息. 该系统使用机器学习和专家系统精确识别产品名称,代码,制造商,供应商和修订日期.
科学领域:
- 化学数据管理 化学数据管理
- 提取信息 提取信息
- 监管合规性 监管合规性
背景情况:
- 安全数据表 (SDS) 对化学品安全和监管合规性在EHS和ESG领域至关重要.
- 手动SDS索引是耗时和昂贵的,阻碍了有效的库存和风险管理.
- 自动提取关键的SDS数据,称为索引,对于现代化工管理至关重要.
研究的目的:
- 开发一个用于安全数据表 (SDS) 标准索引的自动化系统.
- 要提取五个关键字段:产品名称,产品代码,制造商名称,供应商名称和修订日期.
- 提高化学数据管理的效率和准确性.
主要方法:
- 一个多步骤的自动化系统,结合机器学习模型和专家系统.
- 连续执行模型,以获得可靠的信息提取.
- 专注于"标准索引"以提取通常需要的字段.
主要成果:
- 在五个关键SDS领域实现了高精度,范围从0.96到0.99.
- 在一个大数据集上成功评估了15万份注释的SDS文件.
- 证明了SDS数据提取自动化系统的有效性.
结论:
- 拟议的自动化系统显著提高了SDS索引的效率.
- 该系统为库存和风险管理提供精确的化学信息提取.
- 这种方法为化学数据管理挑战提供了可扩展和成本效益的解决方案.
更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
12.3K
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
2.6K
