RxnScribe：一种用于反应图解析的序列生成模型

反应图解析是从化学文献中的图表提取反应方案的任务。反应图可以非常复杂，因此将它们稳健地解析为结构化数据是一个开放的挑战。在本文中，我们提出了RxnScribe，这是一种解析不同风格的反应图的机器学习模型。我们将这个结构化预测任务制定为序列生成方法，这将传统流程简化为一种端到端的模型。我们在一个包含1378个图表的数据集上训练RxnScribe，并使用交叉验证进行评估，达到了80.0%的软匹配F1分数，相较于之前的模型有显著改善。我们的代码和数据在https://github.com/thomas0809/RxnScribe上公开可用。