说明: 在 2013 年的 8 月，University of Waterloo 的一个教授，S. Keshav 写了一篇论文 How to Read a Paper，内容是，如何读一篇论文。这篇论文发表后，很快受到大家的强烈关注。文中介绍了一些阅读论文的一些步骤，希望大家能更好的阅读那些文献。即便不读文献，在读其他各种工具文的时候，也颇有借鉴意义。当时，我的邮件列表里面满是对这篇论文的推荐。当时读完后感觉很赞，本打算拼着渣英语不管，也要翻译下来分享下，可惜当时正被某人各种push中，所以事情一拖再拖。
如今已然半年过去了，但既然稍有时间，还是把这件事情了结下吧。 (more…)
译自:ParsCit: An open-source CRF reference string parsing package (部分)
我们这样描述ParsCit:一个自由，开源的参考文献解析包。ParsCit的核心是一个被训练完成的CRF模型，它被用来标记参考文献字符串的序列。这个启发式的模型对一个纯文本文件进行分割和识别。这个包可以直接运行，或者作为一个web服务器使用。
我们用3个不同的数据集来比较ParsCit，并用它和之前已出版的作品比较。
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. (more…)