#GROBID
相关项目
talk2arxiv
Talk2Arxiv是一款专为学术论文PDF设计的开源响应式RAG（检索增强生成）系统，利用GROBID进行高效文本提取，并使用Cohere的EmbedV3模型进行精准文本嵌入。该系统不仅能缓存研究论文，减少重复处理，还通过Qdrant进行存储和查询，确保内容的相关性和准确性。前端采用Typescript, ReactJS等技术搭建，后端依赖Flask, Gunicorn实现，为学术研究提供流畅高效的在线阅读体验。
grobid
GROBID 是一个将PDF等原始文档转换为结构化XML/TEI编码文档的机器学习库，专为技术和科学出版物设计。功能包括文献标题和参考文献的提取、全文结构化以及PDF坐标解析等。提供丰富的Web服务API、Docker镜像和批处理能力，适用于高效大规模的文献处理，适合生产环境。其深度学习模型显著提升解析精度，并已被众多科研机构和平台采用，支持Linux和macOS操作系统。