Bibform Lite
日本語・英語の参考文献の引用原文から、題名・年・掲載先などの書誌項目、人物・団体、姓・名の文字範囲、著者・編者・訳者などの役割、資料種別を推定します。
Bibform extracts citation fields, contributor names and roles, and reference types from Japanese and English reference strings. The PyTorch package runs locally and accepts UTF-8 JSON Lines.
PyTorchの推論一式は6.00 MBです。もう一方のモデルも利用できます。
ブラウザで使う
ブラウザで試すと、ログインやインストールなしで引用文を解析し、.bib を保存できます。
ブラウザ版のZIPを展開し、そのディレクトリを静的ファイルとして配信します。ローカルで試す場合は、展開先で次を実行して http://127.0.0.1:8000/ を開きます。静的ホストでも同じファイルを使えます。
python -m http.server 8000 --bind 127.0.0.1
初回にモデルと実行エンジンを読み込んだ後は、ブラウザ内で引用の解析、種別の選択、BibLaTeXのプレビューと .bib の保存ができます。スコアが0.90未満のときは上位3候補と全種別の一覧から選べます。
ONNXモデル一式は5.97 MB、実行エンジンと画面も含む静的配布一式は9.68 MB、ZIPは9.26 MBです。ONNXと設定、ブラウザ実装のソースも収録しています。
Chromiumで比較した開発128件では、書誌項目・姓名・役割の出力がPyTorch版と128件で一致しました。接続を切った状態での解析とダウンロードも確認しています。
Pythonで使う
Python 3.14の環境で、取得したリポジトリのルートから実行します。
python -m pip install -r pytorch/requirements.txt
python pytorch/predict.py --model pytorch --inputs examples/input.jsonl --output predictions.jsonl --device cpu
入力は1行に1件の引用を入れたUTF-8のJSONLです。各行に照合用の id と引用原文の text を指定します。入力例は examples/input.jsonl にあります。
出力の fields と contributors は、引用原文上の半開区間 [start, end) で文字範囲を表します。位置はUnicodeコードポイント単位です。 resource_type に元の12種別の首位とスコア、 resource_type.biblatex に出力用9種別の候補と自動選択結果が入ります。 selected が null の場合は候補から種別を選べます。
精度と評価条件
bibformDatasetTrial v1-quality14の未知書式の開発10,130件を評価しました。抽出完全一致は、書誌項目・人物や団体・姓名の範囲と役割を含みます。種別はBibLaTeX用9種別で採点しました。資料種別のスコアは分類器の出力を合算した値です。
| 実行方式 | 抽出完全一致 | 種別正解率 | 抽出と種別の完全一致 |
|---|---|---|---|
| PyTorch | 86.07%(8,719件) | 91.17%(9,236件) | 79.40%(8,043件) |
| ONNX Runtime CPU | 86.16%(8,728件) | 91.15%(9,234件) | 79.47%(8,050件) |
開発データは実在する書誌メタデータを書式に沿って描画した引用です。公開値はこの開発データでの成績です。短い引用や掲載先が曖昧な引用では、題名の範囲や資料種別を取り違える場合があります。 集計の詳細
ライセンス
Bibformの自作部分には Apache License 2.0 を適用します。同梱する第三者の配布物とその条件は NOTICE.md を参照してください。