SimBiber

动机

由于页面限制，我们经常需要将包含大量信息的官方bib简化为仅保留必要信息（如作者、标题、会议/期刊名称等）的简短版本。

我们推出了__SimBiber__，这是一个用Python编写的简单工具，可以自动简化这些信息。希望它能对您有所帮助。

我们还强烈推荐另一个出色的工具Rebiber，它是一个用官方信息规范化bibtex的工具。

提示：如果您先使用Rebiber，然后再使用Simbiber，您将获得更好的体验。

免责声明

SimBiber是一个相对较新的项目，正在积极开发中。 我们希望它在各种情况下都能发挥作用，但不能保证它产生的结果一定严格符合官方规范。

因此，您最好再次检查简化后的bib文件的准确性。

所有图标均从互联网收集，如有侵权，请联系我们删除。

更新日志

• 2023.02.33
  • 修复了一些与"-keep"参数相关的错误。
• 2021.05.02
  • 修复了一些不使用"-keep"参数时的错误。
• 2021.05.01
  • 支持自定义要保留的键。
• 2021.04.23
  • 支持IJCAI（调查轨道）。
  • 统一README。
• 2021.04.11
  • 支持pip安装。
  • 简化输入参数。
  • 添加免责声明。
• 2021.03.02
  • 修复删除重复项时的一些错误。
• 2021.02.15
  • 修复将ACL（如EACL）会议简化为ACL的错误。
  • 支持ACL Findings和EMNLP findings。
• 2021.01.21
  • 支持删除重复项，如果你的参考文献中有相同标题的条目。（自动选择会议引用）
  • 修复一些关于某些会议的错误。
  • 增加更多会议类别。（现在支持113个会议）
• 2021.01.11
  • 修复输出路径与输入路径相同时的错误。
  • 支持删除重复项，如果你的参考文献同时包含arXiv和会议引用。
  • 支持按文件夹简化文件。
  • 支持使用默认输出路径。
  • 增加更多会议类别。（现在支持112个会议）
• 2021.01.08 我们修复了booktitle包含"{"或"}"时的错误，并增加了更多会议类别。（现在支持105个会议）
• 2021.01.06 我们修复了一些小错误，并增加了更多会议类别。（现在支持84个会议）
• 2021.12.31 我们构建并发布了第一个版本。

安装

git clone https://github.com/MLNLP-World/Simbiber.git
cd Simbiber/
pip install -e .

或者

pip install simbiber

如果你想使用最新的GitHub版本，其中包含更多错误修复，请使用第一种安装方法。

最后，如果你不带任何参数运行"simbiber"，得到以下结果，则安装成功！

使用方法(v0.8.1)

simbiber -i [输入bib路径] -o [输出bib路径] 

提示：所有路径参数都支持绝对路径和相对路径

输入和输出示例

使用官方信息的简化输出条目示例（支持xxx="..."或xxx={...}形式的bibitem）：

@inproceedings{li-etal-2019-survey,
    title = "A Sophisticated Survey about Chinese Poem and Beers",
    author = "Li, Bai  and
     Ha, Pi  and
     Jin, Shibai  and
     Xue, Hua  and
     Mao, Tai",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
    month = nov,
    year = "2019",
    address = "Hong Kong, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D19-1214",
    doi = "10.18653/v1/D19-1214",
    pages = "2078--2087",
    abstract = "意图检测和槽填充是构建口语理解（SLU）系统的两个主要任务。这两个任务紧密相连，槽通常高度依赖于意图。在本文中，我们提出了一种新颖的SLU框架，以更好地融入意图信息，从而进一步指导槽填充。在我们的框架中，我们采用了带有Stack-Propagation的联合模型，可以直接使用意图信息作为槽填充的输入，从而捕获意图语义知识。此外，为了进一步减轻错误传播，我们对Stack-Propagation框架执行了词级别的意图检测。在两个公开数据集上的实验表明，我们的模型达到了最先进的性能，并且大幅超越了之前的其他方法。最后，我们在我们的框架中使用了双向Transformer编码器表示（BERT）模型，这进一步提升了我们在SLU任务中的性能。",
}

使用官方信息的简化输出条目示例：

@inproceedings{li-etal-2019-survey,
    author = {Li, Bai  and
     Ha, Pi  and
     Jin, Shibai  and
     Xue, Hua  and
     Mao, Tai},
    booktitle = {Proc. of EMNLP},
    title = {A Sophisticated Survey about Chinese Poem and Beers},
    year = {2019}
}

支持的会议

config目录包含一系列转换后的json文件，用于官方全名和简化名称之间的映射。

AI

计算机视觉

数据挖掘

信息检索

机器学习

自然语言处理

计算机体系结构

系统

安全

添加新会议

您可以手动将DBLP中的任何会议添加到配置映射中。

以ICLR为例：

• 步骤1：访问DBLP
• 步骤2：找到会议的全称
• 步骤3：在config/ML.json或parserConfig.json中添加映射（您应指定配置路径）

{"International Conference on Learning Representations": "ICLR"}

联系方式

如果您有任何问题或建议，请发送电子邮件至Libo Qin或Qiguang Chen，或在此处创建GitHub问题。

我们欢迎您加入我们并在https://docs.qq.com/sheet/DWFF1aWlVV1hISU12?tab=h2idmj 更新会议信息。

组织者

贡献者

感谢以下贡献者：