第 40 名解决方案

DOIs (数字对象标识符)

1. 文本提取：从 PDF 文档中提取原始文本。
2. 正则识别：使用正则表达式识别潜在的 DOI 字符串。
3. 语料库匹配：将提取的 DOI 与数据引用语料库数据集进行比对。
   • 如果 DOI 匹配，则保留。
   • 如果未找到匹配项，则丢弃。
4. 分类：使用大型语言模型（LLM）将保留的 DOI 分类为主要（Primary）或次要（Secondary）。

Accession IDs (登录号)

1. 正则识别：使用正则表达式直接从文本中提取登录号。
2. 分类：将提取的登录号分类为主要或次要类别。

实验与观察

DOI 过滤

1. 尝试使用 LLM 过滤假阳性。
2. 虽然这种方法效果尚可，但语料库匹配提供了更可靠的结果和更高的准确性评分。

登录号过滤

1. 尝试应用 LLM 过滤错误的登录号。
2. 然而，与直接分类相比，这种方法并没有提高性能。