科学知识主要存储在书籍和科学期刊中，通常是 PDF 格式。然而，PDF 格式会导致语义信息丢失，尤其是数学表达式。为此，MetaAI 最新提出了 Nougat (Neural Optical Understanding for Academic Documents)，这是一个 Visual Transformer，可执行光学字符识别（OCR）任务，将科学文档处理成标记语言。
在4月份结束的 ICDAR2021 科学文献解析表格Table2HTML 赛道，平安财产保险视觉计算团队基于文本识别算法MASTER，提出了适用于表格识别的TableMASTER算法，并取得了该赛道的亚军。目前，作者团队基于开源工具箱mmocr，复现了该解决方案，代码已开源！
随着人工智能领域的不断进步，其子领域，包括自然语言处理，自然语言生成，计算机视觉等，由于其广泛的用例而迅速获得了大量的普及。光学字符识别(OCR)是计算机视觉中一个成熟且被广泛研究的领域。它有许多用途，如文档数字化、手写识别和场景文本识别。数学表达式的识别是OCR在学术研究中受到广泛关注的一个领域。
今天为大家介绍的是来自Kamal Choudhary团队的一篇论文。在这项工作中，作者介绍了ChemNLP库，它可用于以下方面：（1）整理材料和化学文献的开放访问数据集，开发和比较传统机器学习、transformer和图神经网络模型，用于（2）对文本进行分类和聚类，（3）进行大规模文本挖掘的命名实体识别，（4）生成摘要以从摘要中生成文章标题，（5）通过标题生成文本以建议摘要，（6）与密度泛函理论数据集集成，以识别潜在的候选材料，如超导体，以及（7）开发用于文本和参考查询的网络界面。作者主要使用公开可用的arXiv和PubChem数据集，但这些工具也可以用于其他数据集。此外，随着新模型的开发，它们可以轻松集成到该库中。
你可以在任何 matplotlib 文本字符串中使用子 TeX 标记，将它放在一对美元符号（$）内。
光学字符识别(OCR)，即将手写或印刷文本的图像转换成机器可读的文本，这是一门可以追溯到70年代初的科学，但长期以来，算法一直难以识别出与水平面不平行的字符，为此，亚马逊的研究人员开发了一种“文本框”——是自然图像中“弯曲”文字的探测器。
今天给大家介绍2020年5月康奈尔大学Fei Wang教授团队发表在Briefings in Bioinformatics的综述“Recent advances in biomedical literature mining”。该综述总结了生物医学文献挖掘研究中存在的问题、方法和最新进展，并讨论了未来的研究方向。
写论文、做学术研究时，想必大家都希望有一款编辑神器，尤其是遇到超级多的图表和公式需要编辑时更是如此。在众多的公式编辑器中，我们就不得不提 Mathpix Snip，这款数学公式识别神器只需要截个图，公式自动转化为 LaTex 代码表达式。
近来，Meta AI研究人员推出一款OCR神器Nougat，能够分分钟把PDF转换为MultiMarkdown。
ABBYY FineReader专业版是一款理想的光学字符识别（OCR），适用于那些要求最高精度和格式保留软件的用户。ABBYY FineReader是一款十分好用的PDF编辑和转换工具。
我们平时在阅读论文或者科学文献时，见到的文件格式基本上是 PDF（Portable Document Format）。据了解，PDF 成为互联网上第二重要的数据格式，占总访问量的 2.4%。
本文介绍了腾讯数平精准推荐团队在2017年第14届国际文档分析与识别大会（ICDAR）上取得的四项冠军，包括COCO-TEXT、DeText以及两个Robust Reading竞赛任务。这些成果对OCR领域以及自然场景/网络图片/复杂视频文本自动提取与智能识别技术的发展具有重要作用。
上周双十一全民狂欢节，当大家纷纷在剁手买买买的时候，腾讯数平精准推荐团队也发生了一件大事。 北京时间11月9日，OCR领域的奥斯卡盛会——第14届国际文档分析与识别大会（ICDAR）在日本京都召开，揭晓了2017年ICDAR竞赛结果并颁发获奖证书。 腾讯数平精准推荐团队自研了「时空上下文感知的OCR深度学习算法」，在最受关注的“Robust Reading Competitions”中的“COCO-TEXT 端到端文本识别”、“医学文献图像文本检测”、“医学文献图像文本识别”、“医学文献图像端到端识别”任务
科学Sciences导读：公号对话框发送“数学公式邮票”获取11k字13图12页PDF改变世界面貌的十个数学公式。关键词：尼加拉瓜邮票，数学公式，数学(mathematics)，《多元视角下的数学文化》，易南轩，王芝平。QinlongGEcai微信被封，转向自用、科普文章、学术论文OAJ电子刊免费开放获取。
在快速发展的人工智能领域，编程语言模型正成为推动技术创新的重要力量。今天，我们要介绍的Stable Code技术，是由Stability AI Language Models团队精心打造的新一代代码语言模型，它不仅在代码补全、推理、数学计算等软件工程任务上表现出色，更以其小巧的体积和高效的性能，为我们打开了编程智能化的新篇章。
本文转载自腾讯AI实验室 4月12-13日，「2018中国互联网+数字经济峰会」在重庆召开。腾讯公司此前获批承建医疗影像国家新一代人工智能开放创新平台，从创新创业、全产业链合作、学术科研、惠普公益四个
今天我们介绍由蒙特利尔大学MILA - Quebec人工智能机构的Yu Song发表在arXiv上的工作，该工作提出了MatSci-NLP，用于评估自然语言处理（NLP）模型在材料科学文本上的性能的自然语言基准。该工作从公开可用的材料科学文本数据构建基准，以涵盖七个不同的NLP任务，包括传统的NLP任务（如命名实体识别和关系分类）以及特定于材料科学的NLP任务（如合成动作检索以及涉及创建材料的合成程序）。研究了在不同科学文本语料库上预训练的基于BERT的模型，以了解预训练策略对理解材料科学文本的影响。在低资源训练设置下的实验表明，在科学文本上预训练的语言模型优于在一般文本上训练的BERT。此外，该工作提出了一种统一的文本到模式的MatSci-NLP多任务学习方法，并将其性能与专门针对材料科学期刊进行预训练的模型MatBERT进行了比较。在对不同训练方法的分析中，发现提出的受问答启发的文本到图式方法始终优于单任务和多任务NLP微调方法。
机器之心报道 机器之心编辑部 连三位数的混合运算都算不明白，ChatGPT 对数学家来说有用吗？ ChatGPT 不擅长数学，这是大家刚开始测试时就发现的问题。比如你问它一个「鸡兔同笼」问题，它可能写出一个看上去非常有条理的解题过程，但仔细一看，答案却是错的。 为了解决这个问题，OpenAI 也做了一些优化，并在今年 1 月末宣布 ChatGPT 数学能力升级。但从测试的结果来看，这次升级效果并不明显。 但这么一个连三位数混合运算都算不明白的工具却吸引了著名数学家陶哲轩的注意。最近一段时间，他似乎一直在
ABBYY FineReader是一款实用的光学文字识别软件。ABBYY FineReader最新版在后台对任意大小的文档进行OCR处理的同时，可以打开、查看并处理这个文档，从而节省大量时间。ABBYY FineReader官方版无需识别整个文件，可以从选定区域中复制表格或格式化文本。
【导读】生物医学文本挖掘领域近年来受到越来越多的关注，这得益于，科学文章，报告，医疗记录的电子化，使医疗数据更容易得到。这些生物医学数据包含许多生物和医学实体，如化学成分，基因，蛋白质，药物，疾病，症状等。在文本集合中准确识别这些实体是生物医学文本挖掘领域信息抽取系统的一个非常重要的任务，因为它有助于将文本中的非结构化信息转换为结构化数据。搜索引擎可以使用这种识别的实体来索引，组织和链接医学文档，这可以改善医疗信息检索效率。 实体的标识也可以用于数据挖掘和从医学研究文献中提取。例如，可以提取存储在关系数据库
近期，麻省理工学院计算机科学与人工智能实验室的Jiang Guo等人在J Chem Inf Model杂志发表文章，介绍了一种从化学文献中提取反应的自动化方法。该方法将这类任务表述为结构预测问题，并通过一个由产物提取和反应角色标记组成的两个阶段的深度学习架构来解决。
化学文献中蕴含着丰富信息，通过“化学文本挖掘技术”提取关键数据，从而构建庞大的数据库，不仅能够为实验化学家提供详尽的物理化学性质和合成路线指引，还能够为计算化学家提供丰富的数据和洞见用于模型构建和预测。然而，由于化学语言的复杂性和论文风格的多样性，从化学文献中提取结构化数据是一项极具挑战性的任务。因此，许多文本挖掘工具应运而生，旨在解决这一棘手难题，助力科学研究迈向新的高峰。然而，这些针对特定数据集和语法规则构建的文本提取模型往往缺乏灵活的迁移能力。近两年，以ChatGPT为代表的大语言模型（LLMs）风靡全球，引领了人工智能和自然语言处理领域的快速发展。能否利用通用大语言模型强大的文本理解和文字处理能力，从复杂化学文本中灵活准确地提取信息，解放数据标注工人的劳动力，加速领域数据的收集呢？
今天给大家介绍我们湖南大学DrugAI课题组发表在Briefings in Bioinformatics上发表的一篇综述。这篇综述从“单一神经网络、多任务学习、迁移学习和混合模型”这4个方面，介绍了近年来深度学习如何从生物医学文献文中挖掘命名实体以及相关数据集。作者挑选了几个有代表性的方法，在6个常用的数据集上进行了实验比较。结果发现，深度学习的方法要普遍优于传统方法，并且不同的方法和数据集之间也有较大的差异。最后，作者总结了生物医学命名实体（BioNER）存在的一些挑战和未来的发展。
美国能源部劳伦斯伯克利国家实验室（伯克利实验室）的研究人员表明，一种未经材料科学训练的算法可以扫描数百万篇论文的文本并发现新的科学知识。
scGraph: a graph neural network-based approach to automatically identify cell types 论文摘要：
生物医学领域涉及庞大而不断增长的文献数据库，其中蕴含着宝贵的医学知识。为了更好地利用这些信息，自然语言处理（NLP）技术逐渐成为生物医学文献挖掘的得力工具。本文将深入探讨NLP在生物医学文献挖掘中的应用，通过结合实例，展示NLP如何加速科研发现、支持临床决策和推动医学领域的创新。
今天为大家介绍的是来自Zhiyong Lu团队的一篇论文。生物医学研究产生了大量信息，其中许多信息只能通过文献获取。因此，文献搜索对于医疗保健和生物医学至关重要。最近在人工智能（AI）方面的进步已经扩展了该功能，不再局限于关键词搜索，但这些进步可能对临床医生和研究人员来说不太熟悉。
随着人工智能（AI）技术的不断发展，越来越多的研究者开始关注AI技术在医学健康领域的研究应用，其中加速AI技术发展的一个关键环节是标准数据集和科学评估体系的建立。 由中国中文信息学会医疗健康与生物信息处理专业委员发起的中文医疗信息处理挑战榜CBLUE[1]于今年4月份上线，该 benchmark 覆盖了8类经典的医学自然语言理解任务，是业界首个公开的中文医疗信息领域公开评测基准。 CBLUE上线后受到了产研界的广泛关注，目前已经吸引了300多支队伍参与打榜。近日，CBLUE工作组公开了论文[2]并开源了评
---- 新智元报道 来源：EMNLP 编辑：好困 小咸鱼 【新智元导读】北大博士生沈剑豪同学一篇关于「用语言模型来解决数学应用题」的EMNLP投稿在综合评审时被认为不够重要，收录于Findings而没有被主会接收。有趣的是，OpenAI的最新工作与该论文的方法不谋而合，并表示非常好用。 最近，EMNLP 2021开奖了！华人作者包揽了最佳长、短论文。 然而，有人欢喜有人忧。 北大博士生沈剑豪领衔的一篇关于「用语言模型来解决数学应用题」（Generate & rank: A multi-task
传统的股票时间序列预测主要依赖统计和计量经济学方法，如自回归滑动平均模型（ARMA-GARCH）、向量自回归模型（VAR）、状态空间模型、扩散模型和误差修正向量模型（VECM）。这些模型通过识别金融系列中的模式和波动性，对市场进行分析和预测。随着机器学习的发展，决策树、支持向量机（SVM）等方法逐渐受到重视。近年来，深度学习技术如循环神经网络（RNN）、卷积神经网络（CNN）和Transformer模型的应用显著提升了股票时间序列预测的精度和效率。GPT-3、GPT-4和LLaMA等大型语言模型在解析复杂数据关系方面表现出色，推动了时间序列数据转化为文本序列的创新。
机器之心报道 编辑：张倩 「他们并不是照抄文本，而是剽窃想法。」 昨天，有人在 reddit 上发帖称，IBM 苏黎世研究中心剽窃了自己的论文，而且还被 CVPR 2022 接收了。 这位发帖者写道： 我叫 Xianbiao Qi，是一位有十多年研究经验的计算机视觉研究者。我写这个博客是为了投诉一个严重的案例：IBM 苏黎世研究中心的员工蓄意剽窃我们的论文。他们并不是照抄文本，而是剽窃想法。 Qi 提到的疑似被抄袭的论文题为「PingAn-VCGroup's Solution for ICDAR 2021
SSD是大家常见的目标检测器，在类似COCO的日常生活类物体检测，或者人脸、行人检测上都有应用，不过是否可以用于文本领域的检测呢？
在过去的一年多里，GPT凭借其强大的性能在全球范围内引起了轰动，并成为广受瞩目的技术。GPT的概念不仅征服了市场，更被视为下一个引领潮流的趋势。随着资本的涌入，AI应用得到了迅猛的发展，推动了整个AI应用产业链的繁荣。在这个蓬勃发展的背景下，向量数据库成为了其中最受追捧的应用之一。
自从有了纸莎草纸以来，出版人们一直在努力以吸引读者的方式来格式化数据。尤其是在数学、科学、和编程领域，设计良好的图表、插图和方程式可以成为帮助人们理解技术信息的关键。
大家好，我是架构君，一个会写代码吟诗的架构师。今天说一说《LaTex》LaTex数学公式简介「建议收藏」,希望能够帮助大家进步!!!
本次介绍一篇由清华大学计算机系孙茂松团队发表于nature communications，名为《A deep-learning system bridging molecule structure and biomedical text with comprehension comparable to human professionals》的论文。该论文通讯作者为计算机系党委副书记刘知远副教授与孙茂松教授，第一作者为计算机系博士生曾哲妮与姚远。该研究由国家重点研发计划与清华大学国强研究院提供支持。
Highly accurate classification of chest radiographic reports using a deep learning natural language model pre-trained on 3.8 million text reports 论文摘要：
由于可以做一些没训练过的事情，大型语言模型似乎具有某种魔力，也因此成为了媒体和研究员炒作和关注的焦点。
LaTeX是一种文本标记语言，也可以说是一种文档编撰系统。在很多大学或者机构中普遍作为一种标准来书写专业的科学文献、毕业论文或其他类似的文档。在这篇文章中，我们会看到如何在Ubuntu 14.04中使用LaTeX。
关注并星标 从此不迷路 计算机视觉研究院 公众号ID｜ComputerVisionGzq 学习群｜扫码在主页获取加入方式 计算机视觉研究院专栏 作者：Edison_G 「他们并不是照抄文本，而是剽窃想法。」 转自《机器之心》 01 概述 昨天，有人在 reddit 上发帖称，IBM 苏黎世研究中心剽窃了自己的论文，而且还被 CVPR 2022 接收了。 这位发帖者写道： 我叫 Xianbiao Qi，是一位有十多年研究经验的计算机视觉研究者。我写这个博客是为了投诉一个严重的案例：IBM 苏黎世研究
Claude 3 推出之后，风头正劲。其中的「超大杯」Opus 号称可以在各项指标上碾压 GPT-4。这不，最近有一篇关于 Claude 3 在各个科学领域应用的文章我的朋友圈里刷屏了。文章提到了 Claude 3 在材料学、物理学和数学等领域研究的应用，让人感到非常振奋。仿佛有了这款新的大语言模型，科研工作都可以交给它来完成。这篇文章引起了广泛关注，但也有不少人持怀疑态度。由于我对材料学了解不多，我也把文章分享到朋友圈，想听听大家的意见。
作者：Marc Peter Deisenroth、A Aldo Faisal、Cheng Soon Ong
一旦计算，概率模型可用于使用贝叶斯定理对新数据进行预测。当您的数据是实值时，通常假设高斯分布（钟形曲线），以便您可以轻松估计这些概率。
美国橡树岭国家实验室（ORNL）发布消息称，深度学习技术已被用于加速癌症研究。 尽管近几十年来在检测和治疗方面取得了稳步进展，癌症仍然是美国的第二大死亡原因，每年约有50万人因癌症去世。为了更好地认识和对抗癌症，医学研究者们开始借助癌症登记程序开展研究。这一全国性的组织网络可系统收集与美国癌症诊断、治疗和发病史相关的人口统计数据和临床信息。监测工作由国家癌症研究所（NCI）和疾病控制预防中心共同协作完成，目标是使研究人员和临床医生能够监测全国、各州各地方的癌症病例。 这些数据大部分摘自电子文本临床报告。这些
NMF，非负矩阵分解，它的目标很明确，就是将大矩阵分解成两个小矩阵，使得这两个小矩阵相乘后能够还原到大矩阵。而非负表示分解的矩阵都不包含负值。
近年来，随着各学科领域研究的进步，科学文献和数据呈爆炸式增长，使学术研究者从大量信息中发现有用的见解变得越来越困难。通常，人们借助搜索引擎来获取科学知识，但搜索引擎不能自主组织科学知识。
来源：medium 作者：Alex Honchar 翻译：刘小芹 【新智元导读】本文从开发者的角度，总结了GAN、AutoML、语音识别、NLP等已经可以用于实际产品的技术，以及值得关注的新趋势。作者认为，有ONNX这类的统一格式，Caffe Zoo等模型库，以及AutoML等自动化工具，制作基于AI的应用已经变得非常容易。 GAN与造假 虽然生成对抗网络几年前就出现了，我对它是相当怀疑的。几年过去了，即使看到GAN在生成64x64分辨率的图像方面取得了巨大的进步，我对它仍是怀疑的。在阅读了一些数学文章
上周六，名为“数学文化”（微博认证为：数学文化主编、南方科技大学数学教授汤涛院士）的微博发布消息：据说李钟教授已经在中科院数学所南楼做了用Reich定理证明黎曼猜想的报告，希望结果正确！
今天为大家介绍的是来自Christoph Steinbeck团队的一篇论文。近几十年来，描述化学结构的出版物数量稳步增加。然而，目前大多数已发布的化学信息并未以机器可读的形式出现在公共数据库中。自动化信息提取的过程仍然是一个挑战，需要减少手动干预，特别是在挖掘化学结构图时。作为一个开源平台，DECIMER.ai（Deep lEarning for Chemical IMagE Recognition）充分利用了深度学习、计算机视觉和自然语言处理的最新进展，旨在自动分割、分类和翻译印刷文献中的化学结构图。
刚刚，陶哲轩大赞：用ChatGPT写Python代码，效果真是太好了，它直接为我节省了数学研究中半小时的工作量！
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
