抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
材料情報学の新興分野は新素材の製品化までの時間と開発コストを大幅に低減する可能性がある。このような努力の成功は,材料特性の大きな高品質データベースへのアクセスに依存する。しかし,多くのそのようなデータは難解な科学論文,自動抽出難しくそして手動抽出は時間がかかり,誤りがちにする状況内のテキストにコードされた見出されるだけであった。この挑戦に取り組むために,著者らは抽出品質と人・時に関して機械ヒトパートナーシップを改善し,ルールベース,機械学習とクラウドソーシングアプローチの組み合わせによるハイブリッド情報抽出(IE)パイプラインを示した。我々のゴールは異なるレベル訓練のヒトに特化したキュレーションタスクの優先順位付けと割り当てる前の初期抽出タスクの自動化によるヒト管理者の負担を軽減するためのコンピュータとヒト強度を活用することである:より高い精度の結果(例えば,部分的事実を完了)の検証と低確実性結果(例えば,特殊化合物ラベルレビュー)のための領域専門家のような簡単なタスクのための専門家を用いた。提案アプローチを検証するために,著者らは,報告された文献からの重合体のガラス転移温度を抽出するタスクに焦点を当てた。6090論文に提案アプローチを適用して,これまで259洗練されたデータ値を抽出した。はこの数は,この方法を調整し,より多くの論文を処理し,最新の維持が容易である,標準,エキスパート管理された高分子データハンドブックで見られるものを超えてかなり増加することを予測した。自由に利用できるデータはhttp://pppdb.uchicago.eduでの重合体の性質予測因子とデータベースWebサイト上で見出すことができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】