Применение больших языковых моделей для извлечения основных формул из текстов научных статей
Аннотация:
В статье рассматриваются проблемы распознавания формул научных статей, представленных в формате pdf, а также преобразование выделенных формул из формата pdf в формат LaTeX. Предлагается решение данных проблем c использованием больших языковых моделей. Рассматривается извлечение главных формул математической статьи и их последующее представление в формате LaTeX с помощью большой языковой модели DeepSeek. Извлечение основных результатов статьи выполняется на основе аннотации. Затем осуществляется поиск фрагментов статьи, описывающих основные результаты и выделение внутри найденных фрагментов главных формул с помощью большой языковой модели. Получены оценки решения по метрикам точности, полноты и F-меры, средние значения F-меры по тестовой коллекции равны 0,93459 и 0,9294. В качестве способа хранения полученных данных предлагается система управления базами данных MySQL, приведено описание структуры базы данных.
Ключевые слова:
большая языковая модель, математическая статья, основная формула, главная формула, формат LaTeX, извлечение формулы
