基于深度学习方法的知识驱动材料的材料命名实体识别(MNER)
摘要：材料科学领域的科学文献中包含了丰富的前沿知识，以及有用的数据（如实验结果的数值数据、材料性质和结构等）。这些数据对于数据驱动的机器学习（ML）和深度学习（DL）方法加速材料发现至关重要。由于出版物数量庞大且不断增长，人类很难手动检索和保存这些知识。在这种背景下，我们研究了一种基于Bi-LSTM的深度神经网络模型，用于从已发表的科学文章中检索知识。所提出的基于深度神经网络的模型在材料命名实体识别（MNER）任务上实现了约97\%的f-1得分。该研究包括了动机、相关工作、方法论、超参数和整体性能评估。分析提供了对实验结果的见解，并指出了当前研究的未来方向。
作者：M. Saef Ullah Miah and Junaida Sulaiman
论文ID：2211.02585
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-05-30