Automatic Aspect Extraction from Scientific Texts

要約

科学論文から主要なポイント、重要な洞察、およびここでは側面と呼ばれるその他の重要な情報を抽出できれば、科学文献レビューを実施するプロセスが容易になる可能性があります。
したがって、私たちの研究の目的は、あらゆる分野のロシア語の科学文書から自動的にアスペクトを抽出するツールを作成することです。
この論文では、タスク、貢献、方法、結論などの側面で注釈が付けられたロシア語の科学テキストのクロスドメイン データセットと、微調整された多言語 BERT モデルに基づく側面抽出のベースライン アルゴリズムを紹介します。
私たちのデータに基づいて。
異なるドメインではアスペクト表現にいくつかの違いがあることを示しますが、たとえ私たちのモデルが限られた数の科学的ドメインでトレーニングされたとしても、クロスドメイン実験で証明されたように、新しいドメインに一般化することができます。
コードとデータセットは \url{https://github.com/anna-marshalova/automatic-aspect-extraction-from-scientific-texts} で入手できます。

要約(オリジナル)

Being able to extract from scientific papers their main points, key insights, and other important information, referred to here as aspects, might facilitate the process of conducting a scientific literature review. Therefore, the aim of our research is to create a tool for automatic aspect extraction from Russian-language scientific texts of any domain. In this paper, we present a cross-domain dataset of scientific texts in Russian, annotated with such aspects as Task, Contribution, Method, and Conclusion, as well as a baseline algorithm for aspect extraction, based on the multilingual BERT model fine-tuned on our data. We show that there are some differences in aspect representation in different domains, but even though our model was trained on a limited number of scientific domains, it is still able to generalize to new domains, as was proved by cross-domain experiments. The code and the dataset are available at \url{https://github.com/anna-marshalova/automatic-aspect-extraction-from-scientific-texts}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google