Grobid: 从学术文献中提取信息的机器学习软件

GROBID（或GROBID，但不是GROBID或GROBID）是指书目数据的生成。

GROBID是一个机器学习库，用于将PDF等原始文档提取、解析和re-structuring为结构化的XML/TEI编码文档，特别关注技术和科学出版物。最初的发展始于2008年作为一种爱好。2011年，该工具已在开源环境中提供。从一开始，GROBID的工作就一直是一个稳定的附带项目，并有望继续下去。

提供以下功能：

• 从PDF格式的文章中提取和解析标题。这里的摘录包括通常的书目信息（例如标题、摘要、作者、隶属关系、关键字等）。
• 参考文献从PDF格式的文章中提取和解析，大约0.85f-score，在一个独立的PubMed中心集1943 PDF中包含90125个参考文献。涵盖了所有常见的发布元数据（包括DOI）。
• 参考文献的全部参考文献和参考文献。引文上下文解析的准确度约为0.75f-score（这既对应于引文标注的正确识别，又与完整的参考文献正确关联）。
• 独立解析引用（大约0.89f-score)。
• 名称解析（例如，人名、名字、中间名、etc.)，尤其是标题中的作者姓名，以及参考文献中的作者姓名（两种不同的模型）。
• 从属关系和地址块的解析。
• 解析日期，ISO标准化的日、月、年。
• 从PDF文章中进行全文提取和结构化，包括用于整个文档分段的模型和用于文本正文结构的模型（段落、节标题、参考编号、图、表等）。
• 使用biblio-glutton服务或crossrefrestapi合并/解析提取的书目参考。在这两种情况下，DOI分辨率性能都高于PDF提取的0.95f-score。