科技文献中学术图表标注研究进展

[目的/意义]科研用户需要学术图表助力精准知识发现服务。图表标注是学术图表融入学术知识发现体系需要解决的核心问题。[方法/过程]定义学术图表标注范畴,以历史研究为脉络,梳理学术图表发现研究及实践发展阶段,重点研究图表标注的两个核心问题:图表标注组织和图表标注实现。[结果/结论]总结现存研究问题,指出基于本体的学术图表自动语义标注是支撑未来大规模学术图表精准语义发现的图表标注形态。未来还需要在学术图表本体构建、学术图表异构信息抽取等方面深入开展研究。

学术图表知识发现技术框架及研究进展

[目的/意义]科技资源深度融合背景下,学术图表知识发现是提供除文本知识发现外新的知识发现方式,是完善文献知识发现的重要一环,可提升科研人员科学发现及知识创造效能,推动数字图书馆知识服务升级。[方法/过程]梳理学术图表知识发现的演进脉络,详细论证其技术框架内容,证明学术图表知识发现技术逐步成熟。结合学术图表知识发现应用服务,论证学术图表知识发现在科技创新多方面有广阔应用空间。[结果/结论]展望学术图表知识发现未来,我们需要:重视学术图表知识发现,将其融入文献知识发现体系内;完善学术图表语义知识组织体系,构建专门的学术图表语义知识库;开发新型学术图表知识发现应用。

基于YOLOv5-ECA-BiFPN的学术期刊文献图表识别与提取方法研究

【目的】精准识别与提取学术期刊文献中的图表,促进学术图表的传播和交流。【方法】在YOLOv5算法中引入ECA通道注意力模块,并优化PAN模块为BiFPN,随机抽样13个学科门类1 300篇学术期刊文献作为实验数据,利用poppler-0.68.0将其转换为高质量的图片,并基于该数据集验证新算法性能。【结果】相较于次优值,新算法F1值提高1.99个百分点,达到99.88%。【局限】数据标注范围与数量有待扩大,可覆盖至更多场景。【结论】基于YOLOv5-ECA-BiFPN的学术期刊文献图表识别与提取方法能够有效提高特殊场景下的图表识别与提取效果。