检索结果-南通市图书馆

基于本地大语言模型和提示工程的材料信息抽取方法研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年

作者：时宗彬乐小虬中国科学院文献情报中心中国科学院大学经济与管理学院图书情报与档案管理系

[目的]从给定的专题研究论文全文中识别用于有机材料研发所需的实验材料信息，抽取已有研究中给体-受体体系下有机电池材料实体、类型实例。利用量化后可本地部署的大语言模型（LLM），结合提示工程以对话的方式从有机光电材料文献中抽... 详细信息

[目的]从给定的专题研究论文全文中识别用于有机材料研发所需的实验材料信息，抽取已有研究中给体-受体体系下有机电池材料实体、类型实例。利用量化后可本地部署的大语言模型（LLM），结合提示工程以对话的方式从有机光电材料文献中抽取材料的实体和类型信息。[方法]利用可在低配计算资源下部署的LLM，采用人机协作的模式，通过构建层次化提示指令，依次识别单篇论文中给体-受体体系核心主题句、核心材料以及材料类型特征句，然后特征句基础上识别相应的实例信息。[结果]在没有使用数据集进行微调的情况下，实现了材料实体和类型的抽取，其中实体识别的准确率为0.98，超过了微调的方式，材料类型识别的准确率达到了0.94。[局限]受本地计算资源的约束，降低了LLM的参数规模，对于长材料实体的识别性能偏低。[结论]采用低配本地化部署的基础大语言模型，通过构建合理的提示指令和人机协作模式，可以高效抽取所需主题下的实验信息。

关键词：大语言模型提示工程信息抽取有机电池材料

多模态预训练模型在金融票据信息抽取中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：颜政锦叶正葛君中南民族大学计算机科学学院&信息物理融合智能计算国家民委重点实验室武汉纺织大学外经贸学院

金融领域的票据信息抽取是一项复杂且具有挑战的任务，其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体，其准确提取对于商业决策和财务分析具有重要意义。然而，由于票据格式的不规范性，在... 详细信息

金融领域的票据信息抽取是一项复杂且具有挑战的任务，其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体，其准确提取对于商业决策和财务分析具有重要意义。然而，由于票据格式的不规范性，在实际应用中可能导致关键信息的丢失，如数据中键值对不完整或缺失等问题，给金融票据信息抽取任务带来了挑战。当前，LayoutLMV3模型是主流的信息抽取的方法之一，它结合了自然语言处理和多模态技术，能够在大规模金融文档中进行信息抽取。但它在处理复杂布局的文档时准确性会下降，处理长文本时因包含大量的字符可能难以捕捉其中重要的信息。为了解决上述挑战和问题，本文以LayoutLMV3为基线模型，引入了P-Tuning V1技术，不仅能够解决特定问题（如金融票据中的键值关系），还具备适应不同情境和任务的能力，而且可以利用多模态的文本、图像和布局信息来更全面地理解票据内容。P-Tuning V1通过引入可训练的连续提示嵌入，即"prompt"，作为模型输入的一部分，用以表示文本数据中的“键”信息。同时，采用离散提示作为“值”的一部分，两者相结合构成完整的键值对。实验结果表明，相较于基于LayoutLMV3的方法，结合的新方法在Finance-Receipts数据集上取得了显著的提升，在F1得分上从95.95提高到96.69。

关键词：信息抽取多模态预训练 LayoutLMv3 P-Tuning V1

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向课程思政的信息抽取方法研究

面向课程思政的信息抽取方法研究

作者：白帆北方工业大学

学位级别：硕士

随着信息技术的快速发展,课程思政作为一种融合思想政治教育与专业课程教学的新兴模式,在教育领域中扮演着重要角色。然而,面对海量的教育资源和文本信息,如何快速准确地获取符合教学需求的思政内容是一个亟待解决的问题。传统的信息处... 详细信息

随着信息技术的快速发展,课程思政作为一种融合思想政治教育与专业课程教学的新兴模式,在教育领域中扮演着重要角色。然而,面对海量的教育资源和文本信息,如何快速准确地获取符合教学需求的思政内容是一个亟待解决的问题。传统的信息处理技术在处理课程思政文本信息时能力有限,这在一定程度上限制了课程思政教学资源的开发和利用。本文针对这一挑战,构建了面向课程思政领域文本语料的信息抽取数据集。随后,提出了一种基于大型语言模型的多粒度蒸馏策略,用于命名实体识别任务,通过自动化生成中间推理数据,提高了模型对课程思政文本语境和逻辑结构的理解能力。此外,本文还探索了一种基于解耦合多模态交互的关系抽取模型,该模型使用预训练文本编码器和字形视觉编码器,通过解耦字形与文本的联合表示,捕捉汉字的视觉和语义特征,提升了关系抽取的性能。本文工作为智慧课程思政提供了技术路径。主要内容如下:(1)首先构建了一个课程思政领域的信息抽取数据集,该数据集涵盖了多种课程思政实体类型和关系类型,为模型训练和评估提供了基础。(2)针对课程思政数据集提出了一种命名实体识别策略,该策略利用生成式大语言模型构造课程思政中间推理数据,并通过多粒度蒸馏技术将生成式大型语言模型的性能迁移到小型命名实体识别模型上。这种方法提高了模型对课程思政文本的理解能力,在实验中展现出了较好的性能。(3)针对课程思政数据集提出了一种实体和关系联合抽取模型。该模型通过解耦字形与文本的联合表示,分别捕捉汉字的视觉和语义特征,并针对课程思政数据集特点设计了长距离序列建模机制和多模态融合的门控机制,实现了对课程思政实体和关系的识别和关联。实验结果表明该方法较好的完成了对课程思政领域的信息抽取任务。论文的实验部分在多个公共数据集和自主构建的课程思政信息抽取数据集上进行了验证,证明了所提出方法的有效性和实用性。此外,论文还对模型的不同组件进行了消融分析,以验证各部分的有效性。

关键词：课程思政信息抽取大型语言模型命名实体识别多模态交互

基于ChatGPT的网络空间中水文文本信息抽取技术

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水力发电 2024年

作者：龚世诚艾萍熊传圣宋艳红河海大学水文水资源学院河海大学计算机与信息学院

网络空间中水文数据的体量大、种类繁多、分布广泛、价值密度较低且质量不一，对象化的数据组织方式能够有效地表达水文对象的地理空间位置、特征属性和时间属性。利用ChatGPT进行大规模水文文本的对象化信息抽取，是水文水资源领域利... 详细信息

网络空间中水文数据的体量大、种类繁多、分布广泛、价值密度较低且质量不一，对象化的数据组织方式能够有效地表达水文对象的地理空间位置、特征属性和时间属性。利用ChatGPT进行大规模水文文本的对象化信息抽取，是水文水资源领域利用网络丰富信息资源的有效方法之一，这种方法可以自动从时间、空间和要素3个维度抽取要素类型、要素属性、时间范围、时间尺度、空间范围和空间尺度等6个特征。研究显示，ChatGPT的合理应用不仅可以有效减少信息抽取的人力成本和降低技术门槛，还初步证实了生成式人工智能在水文水资源领域的有效应用。

关键词：信息抽取 ChatGPT 水文数据文本信息人工智能

基于文档顺序与多模态模型的金融票据信息抽取

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机与数字工程 2024年第1期52卷 23-27,80页

作者：覃俊林宇亭刘晶叶正刘洲中南民族大学计算机科学学院武汉430074 湖北省制造企业智能管理工程技术研究中心武汉430074 农业区块链与智能管理湖北省工程研究中心武汉430074

目前的文档信息抽取方法大多针对简单的文档,在抽取包含背景干扰和结构复杂的金融票据时效果不佳。针对复杂金融票据中实体关系难以正确匹配的问题,提出了顺序重构方法和LayoutLMv3-GRU信息抽取模型。构建背景复杂的金融票据数据集,利... 详细信息

目前的文档信息抽取方法大多针对简单的文档,在抽取包含背景干扰和结构复杂的金融票据时效果不佳。针对复杂金融票据中实体关系难以正确匹配的问题,提出了顺序重构方法和LayoutLMv3-GRU信息抽取模型。构建背景复杂的金融票据数据集,利用文本、布局和图像三个模态进行信息抽取。利用Layout-Parser工具,设计排序模块,使文本信息按照上下文关系排序,并把空间距离较远且逻辑关系较近的单词进行重新的排列组合。通过结合改进的LayoutLMv3模型与GRU网络,使模型的准确率进一步提升。并在公共数据集FUNSD与自建的复杂金融数据集进行实验。结果表明,该方法的F1值比LayoutLM3模型提升2.37%。尤其在自建的复杂金融数据集上,模型F1值达到了88.36%,验证了该方法在抽取复杂票据信息时的优越性与处理各种文档时的通用性。

关键词：金融票据信息抽取多模态 LayoutLM3 门控神经网络

面向真实世界的知识挖掘与知识图谱补全研究(三):基于正则表达式对膀胱癌真实世界数据的结构化信息抽取

在线全文

学校读者我要写书评

暂无评论

医学新知 2024年第3期34卷 312-321页

作者：马文昊石涵予黄桥黄兴王永博王诗淳任相颖施悦靳英辉阎思宇武汉大学中南医院循证与转化医学中心武汉430071 武汉大学第二临床学院武汉430071 武汉大学弘毅学堂武汉430072 浙江大学医学院附属第一医院泌尿外科杭州310003 武汉大学中南医院信息中心武汉430071

随着医疗大数据的发展,真实世界研究近些年来越来越受到重视,发展前景良好,但真实世界研究的实施仍存在一些挑战,引起学者们广泛讨论。真实世界数据的非结构化是目前最亟待解决的问题。本研究以正则表达式为基础,通过基于规则的信息抽... 详细信息

随着医疗大数据的发展,真实世界研究近些年来越来越受到重视,发展前景良好,但真实世界研究的实施仍存在一些挑战,引起学者们广泛讨论。真实世界数据的非结构化是目前最亟待解决的问题。本研究以正则表达式为基础,通过基于规则的信息抽取方法对武汉大学中南医院近几年膀胱癌患者的入院记录、病理报告、手术记录和影像记录等数据进行结构化信息抽取,并以准确率和召回率为指标评价其抽取效果,旨在为后续研究提供参考。

关键词：真实世界数据信息抽取正则表达式自然语言处理电子病历数据膀胱癌

在线全文

学校读者我要写书评

暂无评论

一种面向催化材料领域的文献信息抽取方法

北京信息科技大学学报（自然科学版） 2024年第2期39卷 50-56页

作者：高强张仰森孙圆明贾启龙北京信息科技大学智能信息处理实验室北京100192

为有效利用PDF文献中的非结构化文本数据,面向费托合成催化材料领域文献,设计了关键信息抽取流水线从PDF文献中抽取表格及其相应注释等关键信息。以微分二值化网络(differentiable binarization network, DBNet)为基准模型,通过引入自... 详细信息

为有效利用PDF文献中的非结构化文本数据,面向费托合成催化材料领域文献,设计了关键信息抽取流水线从PDF文献中抽取表格及其相应注释等关键信息。以微分二值化网络(differentiable binarization network, DBNet)为基准模型,通过引入自适应空间注意力(adaptive spatial attention, ASA)模块,提出了DB-ASA文本检测模型,提高了检测精度。采用单视觉文本识别模型(scene text recognition with a single visual model, SVTR)进行文本识别,结合领域字典文件在自建数据集上对模型进行微调,文本识别准确率可达93.87%。

关键词：催化材料费托合成信息抽取文本识别

在线全文

学校读者我要写书评

暂无评论

微博文本灾情信息抽取系统设计与实现

福建电脑 2024年第4期40卷 65-69页

作者：曾念霖林广发张明锋黄万里陈齐超福建师范大学地理科学学院、碳中和未来技术学院福州350117 福建省陆地灾害监测评估工程技术研究中心福州350117

为了充分利用突发自然灾害发生时微博平台产生的大量灾情相关信息,建立一个微博灾情信息抽取系统具有重要意义。本文设计并实现了一个多线程爬虫系统。该系统基于Flask框架、Echarts可视化类库和百度地图API,并利用MySQL作为数据库管理... 详细信息

为了充分利用突发自然灾害发生时微博平台产生的大量灾情相关信息,建立一个微博灾情信息抽取系统具有重要意义。本文设计并实现了一个多线程爬虫系统。该系统基于Flask框架、Echarts可视化类库和百度地图API,并利用MySQL作为数据库管理系统。实际应用结果显示,该系统能够快速的采集微博数据,实现了微博文本灾情信息抽取与可视化分析。

关键词：微博自然灾害信息抽取可视化

在线全文

学校读者我要写书评

暂无评论

面向飞机故障文本的信息抽取

计算机与现代化 2024年第3期 61-66,71页

作者：乔璐孙有朝吴红兰南京航空航天大学民航学院江苏南京210000

针对人工提取飞机故障信息工作量大、效率低、成本高等问题,提出一种基于领域词典、规则和BiGRU-CRF模型的信息抽取方法。结合飞机领域知识的特点,基于飞机故障文本信息构建领域词典库和模板规则,并对故障信息进行语义标注。采用BiGRU-... 详细信息

针对人工提取飞机故障信息工作量大、效率低、成本高等问题,提出一种基于领域词典、规则和BiGRU-CRF模型的信息抽取方法。结合飞机领域知识的特点,基于飞机故障文本信息构建领域词典库和模板规则,并对故障信息进行语义标注。采用BiGRU-CRF深度学习模型进行命名实体识别,BiGRU获取上下文的语义关系,CRF解码生成实体标签序列。实验结果表明,基于领域词典、规则和BiGRU-CRF模型的信息抽取方法准确率高达95.2%,验证了该方法的有效性。本文方法能够准确识别出飞机故障文本中的关键词如时间、机型、故障件名称、故障件制造单位等信息,同时,根据领域词典和规则对识别结果进行修正,有效提高了信息抽取的效率和准确性,解决了传统实体抽取模型长期依赖人工特征的问题。

关键词：故障信息信息抽取命名实体识别 BiGRU-CRF 领域词典