ParsCit: An open-source CRF reference string parsing package

Published by Yu on

当今世界,文献资料的数量几乎是以指数级别的增长,而文献的传播过程中,往往并非仅仅通过电子版的数据传输. 由于各种条件限制,文献数据有时候甚至是Word->PDF->纸质打印资料->扫描进文件->再次整理资料这样螺旋式的传播. 而在再次整理资料的时候,往往不免要遇到这样或者那样的奇怪的数据,比如1变成了i,有些数据彻底错位等等. ParsCit ,一个开源的package,正是试图通过CRF的分析方法,将文献后的reference再次整理为有序的数据.

这篇论文讲述了原理。 官网为: http://wing.comp.nus.edu.sg/parsCit/ 而目前最新下载地址为: http://wing.comp.nus.edu.sg/parsCit/parscit-110505b.zip

$ wget -c  http://wing.comp.nus.edu.sg/parsCit/parscit-110505b.zip \
 -o wget-log -r --tries=50 -v -O parscit-110505b.zip

因为要作为参照,我的部分翻译参考此处.

Categories: Code
Tags:

Yu

Ideals are like the stars: we never reach them, but like the mariners of the sea, we chart our course by them.

Leave a Reply

Your email address will not be published. Required fields are marked *

Related Posts
Code

感知机 Perceptron

感知机(perceptron)是(machine learning)-(supervised learning)-(discriminative model)的一种.
Code

CRF++ 的测试结果统计

crf++ 是一个开源工具,是自然语言处理的一把利器。它可以编译为 crf_learn 和 crf_test 两个 bin 文件。测试的结果是将预测的结果和真实的结果进行比对。可惜这东西比对完也不给个统计，真教人不爽。 幸亏，有人做了个 perl 工具 conlleval 可以用来分析测试结果。
Code

KNN 和 KD 树

机器学习中，knn(k-nearest neighbor , 又称k近邻法)是一种比较简单的模型。就是通过计算两个数据集之间的距离远近，然后把一堆数据分为k类。它是一种典型的判别模型(discriminative model). 老板教导曰，这个方法简单到爆了，为什么要介绍这个方法呢，因为解决具体问题的时候，用这个方法试试，调调参数，效果往往很赞，为什么不介绍？管你方法简单还是复杂，f1-measure最高、计算量最小的方法就是最好的方法。某些拿着各种复杂的计算，看起来各种高深莫测却无法说明什么让人信服的道理，也无法用f1-measure说话的，只能用来发paper。