Comparison of Feature Learning Methods for Metadata Extraction from PDF Scholarly Documents

要約

科学文書のメタデータの利用可能性は、科学知識を前進させ、研究結果の FAIR 原則 (つまり、検索可能性、アクセシビリティ、相互運用性、再利用性) を遵守する上で極めて重要です。
しかし、出版された文書、特に中小規模の出版社からの文書には十分なメタデータが欠如しているため、アクセシビリティが妨げられています。
この問題は、出版物が多様なテンプレートを使用することが多いドイツ社会科学など、一部の分野で広まっています。
この課題に対処するために、私たちの研究では、テンプレートの差異が大きいドキュメントからメタデータを抽出するための、自然言語処理 (NLP)、コンピューター ビジョン (CV)、マルチモーダル アプローチなどのさまざまな特徴学習および予測手法を評価しています。
私たちは、科学文書のアクセシビリティを向上させ、その広範な利用を促進することを目指しています。
これらの方法の比較をサポートするために、メタデータ抽出の精度と効率を分析した包括的な実験結果を提供します。
さらに、さまざまな特徴学習および予測手法の長所と短所に関する貴重な洞察を提供し、この分野での将来の研究の指針となります。

要約(オリジナル)

The availability of metadata for scientific documents is pivotal in propelling scientific knowledge forward and for adhering to the FAIR principles (i.e. Findability, Accessibility, Interoperability, and Reusability) of research findings. However, the lack of sufficient metadata in published documents, particularly those from smaller and mid-sized publishers, hinders their accessibility. This issue is widespread in some disciplines, such as the German Social Sciences, where publications often employ diverse templates. To address this challenge, our study evaluates various feature learning and prediction methods, including natural language processing (NLP), computer vision (CV), and multimodal approaches, for extracting metadata from documents with high template variance. We aim to improve the accessibility of scientific documents and facilitate their wider use. To support our comparison of these methods, we provide comprehensive experimental results, analyzing their accuracy and efficiency in extracting metadata. Additionally, we provide valuable insights into the strengths and weaknesses of various feature learning and prediction methods, which can guide future research in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google