python - AI/深度学习方法来判断论文中的参考文献？

Question

这是我工作的一部分。为了使学生的论文遵循给定的格式标准，我必须判断学生论文中的参考类型，将其项目（作者，标题，杂志名称，年份等）分开，然后如果缺少某些项目，请给出修改建议。这很乏味，所以经过几年的工作，我太累了。我想通过编程来做到这一点。

在一篇论文中，许多参考文献都会被引用，例如，期刊论文、学位论文、书籍等。它们有不同的格式。另一方面，如果我向不同的期刊投稿，也许我必须满足不同的格式

我正在寻找算法（你可以阅读我之前使用正则表达式的尝试。但是当使用更多不同的格式时，这显然会失败。python re 找不到这个分组名称）可以

1. 判断一篇论文是否是期刊、论文、书籍……
2. 单独的作者、论文标题、书名、出版商、年份等。请注意，作者、论文标题、书名可能有标点符号
3. 如果有很多作者，则告诉每个名字。因为通常我们最多只需要3个作者，如果发现更多，我们应该使用“et al”
4. 如果缺少某些信息，则提示完整性

以下只是期刊论文格式的示例。我们可以发现通过简单的字符串匹配很难理解它们。

[example 1] Duan,C., X.Meng, C.Tu. How to make local image features more efficient and distinctive[J].IET Computer Vision,2008,2(3):178-189.

我们可以发现有 3 个作者（"Duan,C.", "X.Meng", "C.Tu"），他们的名字用逗号分隔，但是逗号也用在一个人名中（"Duan,C. ”）。所以实际上很难用正则表达式来判断人名

[example 2] Harris,C. & M.Stephens. A combined corner and edge detector[J]. Alvey Vision Conference,1988,5(7):147-151.

& 用于分隔两个名称，但是我们可以发现也许其他人将其写为Harris,C., M.Stephens

如果我们使用 MLA 格式（自动引用 MLA 格式的期刊）

[example 3] Fearon, James D., and David D. Laitin. "Ethnicity, Insurgency, and Civil War." American Political Science Review 97.01 (2003): 75. Print.

我们可以发现这个没有用[J]，但是如果按照这个模式Last, First M., and First M. Last. "Article Title." Journal Title Series Volume. Issue (Year Published): Page(s). Print.，我们可以说它是一篇期刊论文。我们可以将其“翻译”成其他格式：

Fearon, James D., David D. Laitin. Ethnicity, Insurgency, and Civil War[J]. American Political Science Review. 2003 97(01): 75

其中 75 表示这篇论文只有一页，即 75。

至于 IEEE 格式（IEEE Style: Journal Articles），我们发现上述格式不需要的 vol、pp 等

[example 4, IEEE format]G. Liu, K. Y. Lee, and H. F. Jordan, "TDM and TWDM de Bruijn networks and shufflenets for optical communications," IEEE Trans. Comp., vol. 46, pp. 695-701, June 1997.

如果我们阅读

[example 4, missing pages] G. Liu, K. Y. Lee, and H. F. Jordan, "TDM and TWDM de Bruijn networks and shufflenets for optical communications," IEEE Trans. Comp., vol. 46, June 1997.

我们应该告诉用户通过添加页面来检查和完成

标签： pythonpattern-matchingartificial-intelligence