AI Quinex extrahuje číselná data z článků s přesností 98 %

Nástroj Quinex s umělou inteligencí extrahuje číselná data z vědeckých článků s přesností 98 %

Výzkumníci z Forschungszentrum Jülich (Jülich, Německo) představili framework Quinex (Quantitative Information Extraction) určený k automatickému extrahování kvantitativních dat z vědeckých publikací. Systém založený na otevřených jazykových modelech umožňuje nacházet číselné hodnoty, měrné jednotky a kontextové informace, čímž přeměňuje nestrukturovaný text na strukturované datové sady. Přesnost extrakce čísel a jednotek dosahuje 98 % podle F1-skóre, což z nástroje činí perspektivní řešení pro urychlení literární rešerše v energetice, klimatologii, materiálových vědách a dalších oborech.

Jak Quinex funguje

Framework zpracovává text vědeckých článků a identifikuje kvantitativní parametry: teploty, účinnost, emise, náklady, lékařské ukazatele atd. Systém nejen nachází čísla, ale také určuje, ke kterému objektu nebo jevu se vztahují, přiřazuje měrné jednotky, zaznamenává časové a prostorové souřadnice a také metodu získání dat. Například věta „v roce 2025 bude účinnost činit 63 až 71 %“ se převede na záznam s parametrem „účinnost“, rozsahem hodnot, rokem a odkazem na zdroj. To umožňuje výzkumníkům rychle shromažďovat a porovnávat data ze stovek a tisíců článků.

Otevřené modely a transparentnost

Klíčovou vlastností Quinexu je použití otevřených a kompaktních jazykových modelů namísto uzavřených komerčních řešení. Tento přístup usnadňuje kontrolu, úpravy a nasazení systému bez nákladné infrastruktury. Vývojáři zdůrazňují, že nástroj „nehalucinuje“ čísla: hodnoty jsou extrahovány přímo z textu a chyby jsou možné pouze při interpretaci kontextu, kdy jsou vazby mezi daty rozptýleny v různých částech článku.

Výsledky testování

Quinex byl testován na tisících anotací z různých vědeckých oblastí. Kromě 98% přesnosti pro čísla a jednotky dosáhl systém 87 % F1 při klasifikaci kvantitativně popisovaných vlastností a 82 % pro entity. Testovací sady zahrnovaly data o nákladech na výrobu elektřiny, maximální spotřebě kyslíku u člověka, magnitudě zemětřesení a šířce zakázaného pásu u fotovoltaických materiálů.

Co je důležité

• Quinex automatizuje extrakci číselných dat z vědeckých článků, čímž zkracuje čas na literární rešerši.
• Systém využívá otevřené jazykové modely, což zajišťuje transparentnost a dostupnost.
• Přesnost extrakce čísel a měrných jednotek činí 98 % podle F1.
• Nástroj je určen k podpůrnému použití: konečné závěry zůstávají na výzkumníkovi.
• Projekt je zveřejněn jako open source pro přizpůsobení konkrétním disciplínám.

Kontext a perspektivy

Tok vědeckých publikací roste rychleji než možnosti ruční analýzy. Quinex řeší problém „úzkého hrdla“ ve výzkumu, kde je třeba porovnávat kvantitativní parametry z mnoha zdrojů. Vývojáři plánují rozšířit nástroj o oborové datové sady a nové modely, aby zvýšili přesnost v konkrétních oblastech, jako je energetika, chemie a biomedicína.

FAQ

Otázka: Jaké typy dat dokáže Quinex extrahovat?

Odpověď: Systém zpracovává libovolné číselné hodnoty s vazbou na měrné jednotky: teploty, účinnost, emise, náklady, lékařské ukazatele a další kvantitativní parametry.

Otázka: Je možné Quinex používat bez speciálních výpočetních prostředků?

Odpověď: Ano, nástroj je postaven na otevřených a kompaktních modelech, což umožňuje jeho spuštění bez nákladné infrastruktury.

Otázka: Nahrazuje Quinex práci výzkumníka?

Odpověď: Ne, systém je podpůrným nástrojem pro sběr dat, analýza a závěry zůstávají na vědci.

— Editorial Team