我需要一个解析器，可以扫描学术文本，提取引用，并将这些引用解析为其组成部分（作者、标题、出版日期等）。
我尝试了Paracite，但它运行速度非常慢，并且不能产生高质量的结果。
任何编程语言都可以，但Java是首选。
我尝试了Paracite，但它运行速度非常慢，并且不能产生高质量的结果。
任何编程语言都可以，但Java是首选。
5个回答
6
请看
这是ParsCit项目的主页，它执行两项任务：1）引用字符串解析，有时也称为引文解析或引文提取，以及2）科学文档的逻辑结构解析。它被设计为一个监督式机器学习过程，使用条件随机场作为其学习机制。您可以在下面下载代码、在线解析字符串或将批处理作业发送到我们的Web服务。代码包含训练数据、特征生成器和连接系统到Web服务的Shell脚本（在此网站上使用）。
ParsCit：这是ParsCit项目的主页，它执行两项任务：1）引用字符串解析，有时也称为引文解析或引文提取，以及2）科学文档的逻辑结构解析。它被设计为一个监督式机器学习过程，使用条件随机场作为其学习机制。您可以在下面下载代码、在线解析字符串或将批处理作业发送到我们的Web服务。代码包含训练数据、特征生成器和连接系统到Web服务的Shell脚本（在此网站上使用）。
- NPE
1
谢谢，那个链接也引导到了同一领域的其他一些有趣项目。我会去看看的！ - Mike Sokolov
2
我们最近遇到了类似的问题，最终基于ParsCit编写了自己的解析器，但是使用条件随机场模型的Wapiti代替CRF++。正如Mike在上面提到的，基于机器学习的解析器的问题在于获取好的标记训练数据；为此，我们编写了一个可视化编辑器，可以让您标记结果（并将其保存为训练数据）。这种方法对于解析参考文献非常有效。
如果有人感兴趣，我们已经在anystyle.io上提供了解析器和编辑器。
如果有人感兴趣，我们已经在anystyle.io上提供了解析器和编辑器。
- inukshuk
1
您还可以尝试这个小工具，将学术引用解析为字段：
Citationparser.com仍处于测试版，但2017年版本特别适用于期刊文章，也适用于专著和书籍章节。
参考文献列表不必使用同一种风格，可以混合使用不同的官方或非官方风格。
您可以浏览引用并检查全文，也可以导出为Endnote文件（.ENL）。我开发这个工具只是为了处理几百个标题的小型列表。如果您粘贴超过1000个标题的列表，它将运行得更慢。
参考文献列表不必使用同一种风格，可以混合使用不同的官方或非官方风格。
您可以浏览引用并检查全文，也可以导出为Endnote文件（.ENL）。我开发这个工具只是为了处理几百个标题的小型列表。如果您粘贴超过1000个标题的列表，它将运行得更慢。
- Erik
1
以下是需要翻译的内容：
这里有一些项目列表： https://forums.zotero.org/discussion/1211/
Cb2bib使用正则表达式 http://www.molspaces.com/cb2bib/
Citeseer使用一个作者姓名和题目的大列表。您可以查看他们的出版物列表
这是一个Python项目： https://code.google.com/p/pdfssa4met/
还可以参考这些stackoverflow问题： * 从研究论文的PDF中提取信息
- Max
1
1谢谢，Max。我们最终编写了自己的基于HMM的统计识别器。我认为正则表达式方法太过脆弱了。现在的难点是获取好的标记训练数据。我猜想Citeseer的列表可能会有所帮助。 - Mike Sokolov
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接