Экстрактор палеоэкологических метаданных

MetaExtractor

• Эта модель извлекает метаданные из научных статей, связанных с палеоэкологией.

• Объекты, обнаруживаемые этой моделью:

• AGE: когда упоминаются исторические эпохи, такие как 1234 год нашей эры или 4567 лет до нашей эры (до настоящего времени)

• TAXA: названия таксонов растений или животных, указывающие, что содержат образцы

• GEOG: географические координаты, указывающие, где были взяты образцы, например, 12'34"N 34'23"W

• SITE: названия мест, где были взяты образцы

• REGION: более общие регионы, обеспечивающие контекст для местоположения сайтов

• EMAIL: адреса электронной почты исследователей в статьях, которые можно использовать для последующей связи

• ALTI: высота мест, откуда были взяты образцы, например, 123 м над уровнем моря

Model Details

Model Description

• Developed by:

• Ty Andrews, Jenit Jain, Shaun Hutchinson, Kelly Wu, and Simon Goring

• Shared by:

• Neotoma Paleocology Database

• Model type:

• Token Classification

• Language(s) (NLP):

• English

• License:

• MIT

• Finetuned from model:

• roberta-base

Model Sources

• Repository:

• https://github.com/NeotomaDB/MetaExtractor

• Paper:

• TBD

• Demo:

• TBD

Uses

Эта модель может быть использована для извлечения объектов из любого текста, который относится к палеоэкологии или смежным областям. Потенциальные применения включают в себя идентификацию уникальных названий SITE в научных статьях в других областях.

Direct Use

Эта модель развернута на серверах xDD (ранее GeoDeepDive), куда поступают новые научные статьи, относящиеся к Neotoma, и возвращаются извлеченные данные.

Этот подход может быть адаптирован к другим областям, используя код для обучения и разработки, который можно найти по адресу:

github.com/NeotomaDB/MetaExtractor

для выполнения аналогичного извлечения данных для других областей исследований.

Bias, Risks, and Limitations

Эта модель была обучена исключительно на англоязычных научных статьях и, вероятно, не будет хорошо работать с исследованиями на других языках. Кроме того, статьи, используемые для обучения модели, были выбраны на основе их уже присутствия в базе данных Neotoma, и поэтому могут иметь предвзятость отбора, поскольку они представляют то, что уже известно как релевантное для Neotoma, и могут неправильно обрабатывать новые, ранее пропущенные статьи.

How to Get Started with the Model

Используйте код ниже, чтобы начать работу с моделью.

Training Details

Training Data

Модель была обучена с использованием набора из 39 научных статей, признанных релевантными для базы данных Neotoma. Все статьи были написаны на английском языке. Объекты были помечены командой проекта, наряду с использованием предварительной маркировки с помощью ранних моделей для ускорения процесса маркировки.

Было использовано разделение train/val/test 70/15/15, которое имело следующее распределение слов и объектов.

TrainValidationTest Articles2866 Words2208573780936098 TAXA Entities3352650570 SITE Entities1228177219 REGION Entities2314318258 GEOG Entities188378 AGE Entities919206153 ALTI Entities992414 Email Entities14411

Training Procedure

• Для получения полной информации об обучении, пожалуйста, обратитесь к репозиторию GitHub и Wiki:

• github.com/NeotomaDB/MetaExtractor

Results & Metrics

• Полные результаты модели см. в отчете здесь:

• Final Project Report

• Источник: https://huggingface.co/finding-fossils/metaextractor