HERMES框架从超长地球科学文档中提取结构化数据

研究人员开发了HERMES，一个多智能体框架，旨在从冗长的科学文档中提取结构化数据，特别是在地球科学领域。该系统利用一个协调的大型语言模型来整合领域约束、验证规则和证据追踪，处理文本、表格、图表和图注。当应用于55卷的《无脊椎动物古生物学专论》时，HERMES成功创建了一个包含超过32,000个化石分类实体和450,000个属性的结构化数据库，在提取准确性方面取得了高F1分数，并显著提高了效率，优于手动方法。该框架还通过在古地磁学和地球化学领域无需额外训练即可表现良好，证明了其适应性，为将历史科学文献转换为符合FAIR标准的结构化数据提供了途径。 AI

影响 能够高效地将历史科学文献转换为结构化、符合FAIR标准的以便更广泛访问和整合的数据。

排序理由 该项目是一篇研究论文，详细介绍了一个新的知识提取框架。[lever_c_research降级：ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXivLabs
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• HERMES
• Hugging Face
• Influence Flower
• large language model
• ScienceCast
• Treatise on Invertebrate Paleontology

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →