Making Metadata More FAIR Using Large Language Models

Sowmya S. Sundaram, Mark A. Musen
[Stanford University]

用大型语言模型改进元数据质量

  • 动机：随着全球实验数据成品的增加，以统一方式利用它们遇到的主要障碍是糟糕的元数据。

  • 方法：提出一个自然语言处理(NLP)信息化的应用，FAIRMetaText，用来比较元数据。具体来说，FAIRMetaText分析元数据的自然语言描述，并提供了两个术语之间的数学相似性度量。

  • 优势：所提出算法在公开可用的研究成果上定性和定量地展示了其效果，证明了通过深入研究各种大型语言模型，可以在与元数据相关的任务中取得大幅度的提升。

 

提出FAIRMetaText，一个自然语言处理应用，通过分析元数据的自然语言描述，为两个术语之间的数学相似性度量提供工具，有效地解决了元数据质量问题。

论文：https://arxiv.org/abs/2307.13085 

内容中包含的图片若涉及版权问题，请及时与我们联系删除