[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-allenai--science-parse":3,"tool-allenai--science-parse":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,2,"2026-04-05T10:45:23",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[19,13,20,18],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,1,"2026-04-03T21:50:24",[20,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},2234,"scikit-learn","scikit-learn\u002Fscikit-learn","scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。\n\n对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。\n\n其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最",65628,"2026-04-05T10:10:46",[20,18,14],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":10,"last_commit_at":63,"category_tags":64,"status":22},3364,"keras","keras-team\u002Fkeras","Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。\n\n无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。\n\nKeras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。",63927,"2026-04-04T15:24:37",[20,14,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":80,"owner_email":81,"owner_twitter":80,"owner_website":82,"owner_url":83,"languages":84,"stars":97,"forks":98,"last_commit_at":99,"license":100,"difficulty_score":101,"env_os":102,"env_gpu":103,"env_ram":104,"env_deps":105,"category_tags":115,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":22,"created_at":116,"updated_at":117,"faqs":118,"releases":153},4083,"allenai\u002Fscience-parse","science-parse","Science Parse parses scientific papers (in PDF form) and returns them in structured form.","Science Parse 是一款专为科研文献设计的开源解析工具，能够将复杂的 PDF 格式学术论文自动转换为结构清晰的 JSON 数据。它有效解决了研究人员和开发者从非结构化文档中手动提取关键信息耗时费力的痛点，支持精准识别论文标题、作者、摘要、章节正文、参考文献详情以及文中引用位置等核心字段。\n\n这款工具特别适合需要批量处理文献数据的 AI 研究人员、数据挖掘工程师以及构建学术搜索应用的开发者使用。其技术亮点在于提供了灵活多样的集成方式：既可以直接部署为在线服务快速调用，也支持命令行批量处理，还能作为库嵌入到任何基于 JVM 的项目中（如 Java 或 Scala）。此外，项目还推出了新一代版本 SPv2，虽然在功能覆盖上有所精简，但显著提升了输出结果的质量与准确性。首次运行时，Science Parse 会自动下载必要的模型文件并本地缓存，确保后续启动高效流畅。无论是用于构建知识图谱还是进行大规模文献分析，它都能提供可靠的数据基础。","# Science Parse\n\nScience Parse parses scientific papers (in PDF form) and returns them in structured form. As of today, it supports these fields:\n * Title\n * Authors\n * Abstract\n * Sections (each with heading and body text)\n * Bibliography, each with\n   * Title\n   * Authors\n   * Venue\n   * Year\n * Mentions, i.e., places in the paper where bibliography entries are mentioned\n\nIn JSON format, the [output looks like this](http:\u002F\u002Fscienceparse.allenai.org\u002Fv1\u002F498bb0efad6ec15dd09d941fb309aa18d6df9f5f) (or like [this, if you want sections](http:\u002F\u002Fscienceparse.allenai.org\u002Fv1\u002F498bb0efad6ec15dd09d941fb309aa18d6df9f5f?skipFields=sections)). The easiest way to get started is to use the output from this server.\n\n## New version: SPv2\n\nThere is a new version of science-parse out that works in a completely different way. It has fewer\nfeatures, but higher quality in the output. Check out the details at https:\u002F\u002Fgithub.com\u002Fallenai\u002Fspv2.\n\n## Get started\n\nThere are three different ways to get started with SP. Each has its own document:\n\n * [Server](server\u002FREADME.md): This contains the SP server. It's useful for PDF parsing as a service. It's also probably the easiest way to get going.\n * [CLI](cli\u002FREADME.md): This contains the command line interface to SP. That's most useful for batch processing.\n * [Core](core\u002FREADME.md): This contains SP as a library. It has all the extraction code, plus training and evaluation. Both server and CLI use this to do the actual work.\n\n## How to include into your own project\n \nThe current version is `3.0.0`. If you want to include it in your own project, use this:\n\nFor SBT:\n```\nlibraryDependencies += \"org.allenai\" %% \"science-parse\" % \"3.0.0\"\n```\n\nFor Maven:\n```\n\u003Cdependency>\n  \u003CgroupId>org.allenai\u003C\u002FgroupId>\n  \u003CartifactId>science-parse_2.12\u003C\u002FartifactId>\n  \u003Cversion>3.0.0\u003C\u002Fversion>\n\u003C\u002Fdependency>\n```\n\nThe first time you run it, SP will download some rather large model files. Don't be alarmed! The model files are cached, and startup is much faster the second time.\n\nFor licensing reasons, SP does not include libraries for some image formats. Without these\nlibraries, SP cannot process PDFs that contain images in these formats. If you have no\nlicensing restrictions in your project, we recommend you add these additional dependencies to your\nproject as well:\n```\n  \"com.github.jai-imageio\" % \"jai-imageio-core\" % \"1.2.1\",\n  \"com.github.jai-imageio\" % \"jai-imageio-jpeg2000\" % \"1.3.0\", \u002F\u002F For handling jpeg2000 images\n  \"com.levigo.jbig2\" % \"levigo-jbig2-imageio\" % \"1.6.5\", \u002F\u002F For handling jbig2 images\n```\n\n## Development\n\nThis project is a hybrid between Java and Scala. The interaction between the languages is fairly seamless, and SP can be used as a library in any JVM-based language.\n\nOur build system is sbt. To build science-parse, you have to have sbt installed and working. You can\nfind details about that at https:\u002F\u002Fwww.scala-sbt.org.\n\nOnce you have sbt set up, just start `sbt` in the main project folder to launch sbt's shell. There\nare many things you can do in the shell, but here are the most important ones:\n * `+test` runs all the tests in all the projects across Scala versions.\n * `cli\u002Fassembly` builds a runnable superjar (i.e., a jar with all dependencies bundled) for the\n   project. You can run it (from bash, not from sbt) with `java -Xmx10g -jar \u003Clocation of superjar>`.\n * `server\u002Fassembly` builds a runnable superjar for the webserver.\n * `server\u002Frun` starts the server directly from the sbt shell.\n\n### Lombok\n\nThis project uses [Lombok](https:\u002F\u002Fprojectlombok.org) which requires you to enable annotation processing inside of an IDE.\n[Here](https:\u002F\u002Fplugins.jetbrains.com\u002Fplugin\u002F6317) is the IntelliJ plugin and you'll need to enable annotation processing (instructions [here](https:\u002F\u002Fwww.jetbrains.com\u002Fidea\u002Fhelp\u002Fconfiguring-annotation-processing.html)).\n\nLombok has a lot of useful annotations that give you some of the nice things in Scala:\n\n* `val` is equivalent to `final` and the right-hand-side class. It gives you type-inference via some tricks\n* Check out [`@Data`](https:\u002F\u002Fprojectlombok.org\u002Ffeatures\u002FData.html)\n\n## Thanks\n\nSpecial thanks goes to @kermitt2, whose work on [kermitt2\u002Fgrobid](https:\u002F\u002Fgithub.com\u002Fkermitt2\u002Fgrobid) inspired Science Parse, and helped us get started with some labeled data.\n\nReleasing new versions\n----------------------\n\nThis project releases to BinTray.  To make a release:\n\n1. Pull the latest code on the master branch that you want to release\n1. Tag the release `git tag -a vX.Y.Z -m \"Release X.Y.Z\"` replacing X.Y.Z with the correct version\n1. Push the tag back to origin `git push origin vX.Y.Z`\n1. Release the build on Bintray `sbt +publish` (the \"+\" is required to cross-compile)\n1. Verify publication [on bintray.com](https:\u002F\u002Fbintray.com\u002Fallenai\u002Fmaven)\n1. Bump the version in `build.sbt` on master (and push!) with X.Y.Z+1 (e.g., 2.5.1 after\n releasing 2.5.0)\n\nIf you make a mistake you can rollback the release with `sbt bintrayUnpublish` and retag the\n version to a different commit as necessary.\n","# Science Parse\n\nScience Parse 可以解析科学论文（PDF 格式），并将其转换为结构化格式。截至今日，它支持以下字段：\n * 标题\n * 作者\n * 摘要\n * 各个章节（每个章节包含标题和正文）\n * 参考文献列表，其中每条参考文献包括：\n   * 标题\n   * 作者\n   * 发表期刊或会议名称\n   * 年份\n * 引用信息，即论文中提到参考文献的地方\n\n以 JSON 格式呈现时，输出看起来像这样[链接](http:\u002F\u002Fscienceparse.allenai.org\u002Fv1\u002F498bb0efad6ec15dd09d941fb309aa18d6df9f5f)（或者如果你需要章节信息，可以参考这个链接[链接](http:\u002F\u002Fscienceparse.allenai.org\u002Fv1\u002F498bb0efad6ec15dd09d941fb309aa18d6df9f5f?skipFields=sections)）。最简单的入门方式就是使用该服务器提供的输出。\n\n## 新版本：SPv2\n\n目前有一个全新的 science-parse 版本 SPv2，其工作方式与旧版完全不同。虽然功能较少，但输出质量更高。更多详细信息请参阅 https:\u002F\u002Fgithub.com\u002Fallenai\u002Fspv2。\n\n## 快速入门\n\n有三种不同的方式可以开始使用 SP。每种方式都有对应的文档：\n\n * [服务器](server\u002FREADME.md)：包含 SP 服务器，适合将 PDF 解析作为一项服务来使用。这也是最容易上手的方式。\n * [命令行工具](cli\u002FREADME.md)：包含 SP 的命令行接口，最适合批量处理任务。\n * [核心库](core\u002FREADME.md)：包含 SP 作为一个库的实现，其中包括所有的提取代码以及训练和评估部分。无论是服务器还是命令行工具，实际的工作都是由这个核心库完成的。\n\n## 如何集成到你的项目中\n\n当前版本为 `3.0.0`。如果你想将其集成到自己的项目中，可以使用以下方法：\n\n对于 SBT：\n```\nlibraryDependencies += \"org.allenai\" %% \"science-parse\" % \"3.0.0\"\n```\n\n对于 Maven：\n```\n\u003Cdependency>\n  \u003CgroupId>org.allenai\u003C\u002FgroupId>\n  \u003CartifactId>science-parse_2.12\u003C\u002FartifactId>\n  \u003Cversion>3.0.0\u003C\u002Fversion>\n\u003C\u002Fdependency>\n```\n\n首次运行时，SP 会下载一些较大的模型文件。请不必担心！这些模型文件会被缓存，因此第二次启动时速度会快很多。\n\n出于许可限制，SP 不包含某些图像格式的库。如果没有这些库，SP 就无法处理包含这些格式图像的 PDF 文件。如果你的项目没有许可限制，我们建议你也添加以下依赖项：\n```\n  \"com.github.jai-imageio\" % \"jai-imageio-core\" % \"1.2.1\",\n  \"com.github.jai-imageio\" % \"jai-imageio-jpeg2000\" % \"1.3.0\", \u002F\u002F 用于处理 JPEG 2000 图像\n  \"com.levigo.jbig2\" % \"levigo-jbig2-imageio\" % \"1.6.5\", \u002F\u002F 用于处理 JBIG2 图像\n```\n\n## 开发说明\n\n该项目混合使用了 Java 和 Scala 语言。两种语言之间的交互非常流畅，SP 可以作为库被任何基于 JVM 的语言所使用。\n\n我们的构建系统是 sbt。要构建 science-parse，你需要先安装并配置好 sbt。相关详情请参阅 https:\u002F\u002Fwww.scala-sbt.org。\n\n一旦你完成了 sbt 的设置，只需在主项目目录下运行 `sbt` 命令即可启动 sbt 的交互式 shell。在 shell 中你可以执行许多操作，以下是几个最重要的命令：\n * `+test` 会跨所有 Scala 版本运行所有项目的测试。\n * `cli\u002Fassembly` 会为命令行工具项目构建一个可运行的超级 JAR 包（即包含所有依赖的 JAR 文件）。你可以通过 bash 命令 `java -Xmx10g -jar \u003C超级JAR路径>` 来运行它。\n * `server\u002Fassembly` 会为 Web 服务器项目构建一个可运行的超级 JAR 包。\n * `server\u002Frun` 可以直接从 sbt shell 启动服务器。\n\n### Lombok\n\n该项目使用了 [Lombok](https:\u002F\u002Fprojectlombok.org)，这要求你在 IDE 中启用注解处理功能。IntelliJ 插件可以在[这里](https:\u002F\u002Fplugins.jetbrains.com\u002Fplugin\u002F6317)找到，并且你需要启用注解处理功能（具体步骤请参考[这里](https:\u002F\u002Fwww.jetbrains.com\u002Fidea\u002Fhelp\u002Fconfiguring-annotation-processing.html)）。\n\nLombok 提供了许多有用的注解，能够实现 Scala 中的一些便捷特性：\n\n* `val` 等同于 `final` 加右侧类型推断，通过一些技巧实现了类型推断功能。\n* 请查看 [`@Data`](https:\u002F\u002Fprojectlombok.org\u002Ffeatures\u002FData.html) 注解。\n\n## 致谢\n\n特别感谢 @kermitt2，他在 [kermitt2\u002Fgrobid](https:\u002F\u002Fgithub.com\u002Fkermitt2\u002Fgrobid) 上所做的工作启发了 Science Parse，并帮助我们获得了第一批标注数据。\n\n发布新版本\n----------------------\n\n该项目使用 BinTray 进行发布。发布步骤如下：\n\n1. 拉取你想要发布的 master 分支上的最新代码。\n2. 打标签 `git tag -a vX.Y.Z -m \"Release X.Y.Z\"`，将 X.Y.Z 替换为正确的版本号。\n3. 将标签推送到远程仓库 `git push origin vX.Y.Z`。\n4. 在 BinTray 上发布构建 `sbt +publish`（必须使用 `+` 来进行交叉编译）。\n5. 在 [bintray.com](https:\u002F\u002Fbintray.com\u002Fallenai\u002Fmaven) 上验证发布是否成功。\n6. 在 master 分支的 `build.sbt` 文件中将版本号递增 1（例如，在发布 2.5.0 后，将版本号更新为 2.5.1）。\n\n如果出现错误，你可以使用 `sbt bintrayUnpublish` 回滚发布，并根据需要重新打标签到其他提交版本。","# Science Parse 快速上手指南\n\nScience Parse 是一款用于解析科学论文（PDF 格式）并将其转换为结构化数据的开源工具。它能提取标题、作者、摘要、章节内容、参考文献及引用提及等关键信息，并输出为 JSON 格式。\n\n## 环境准备\n\n*   **操作系统**：支持 Linux、macOS 和 Windows（需配置 Java 环境）。\n*   **JDK 版本**：建议安装 JDK 8 或更高版本（项目基于 Scala\u002FJava 混合开发）。\n*   **构建工具**：必须安装 [sbt](https:\u002F\u002Fwww.scala-sbt.org) (Scala Build Tool)。\n    *   *国内加速建议*：若 sbt 下载依赖缓慢，可配置国内镜像源（如阿里云 Maven 镜像）至 `~\u002F.sbt\u002Frepositories` 或 `project\u002Fbuild.properties`。\n*   **内存要求**：首次运行会下载较大的模型文件，建议预留至少 4GB 可用内存；运行时推荐分配 10GB 堆内存（`-Xmx10g`）。\n\n## 安装步骤\n\n你可以通过以下三种方式使用 Science Parse，请根据需求选择其一：\n\n### 方式一：直接使用在线服务（最快捷）\n无需安装，直接调用 AllenAI 提供的公共 API 获取解析结果。\n*   **完整字段示例**：\n    ```bash\n    curl \"http:\u002F\u002Fscienceparse.allenai.org\u002Fv1\u002F\u003CPDF_FILE_HASH>\"\n    ```\n*   **跳过章节字段示例**：\n    ```bash\n    curl \"http:\u002F\u002Fscienceparse.allenai.org\u002Fv1\u002F\u003CPDF_FILE_HASH>?skipFields=sections\"\n    ```\n*(注：将 `\u003CPDF_FILE_HASH>` 替换为实际文件的哈希值或直接上传文件测试)*\n\n### 方式二：命令行工具 (CLI) - 适合批量处理\n1.  **克隆项目**：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fallenai\u002Fscience-parse.git\n    cd science-parse\n    ```\n2.  **构建可执行包**：\n    在项目根目录启动 sbt 并打包 CLI 模块：\n    ```bash\n    sbt\n    > cli\u002Fassembly\n    ```\n    构建完成后，会在 `cli\u002Ftarget\u002Fscala-2.12\u002F` 目录下生成包含所有依赖的 `superjar` 文件。\n\n### 方式三：作为库集成到项目 (Maven\u002FSBT)\n如果你正在开发 Java\u002FScala 项目，可直接引入依赖。\n\n**SBT 配置 (`build.sbt`)：**\n```scala\nlibraryDependencies += \"org.allenai\" %% \"science-parse\" % \"3.0.0\"\n```\n\n**Maven 配置 (`pom.xml`)：**\n```xml\n\u003Cdependency>\n  \u003CgroupId>org.allenai\u003C\u002FgroupId>\n  \u003CartifactId>science-parse_2.12\u003C\u002FartifactId>\n  \u003Cversion>3.0.0\u003C\u002Fversion>\n\u003C\u002Fdependency>\n```\n\n> **注意**：若你的项目无版权限制，建议额外添加以下依赖以支持更多图片格式（如 JPEG2000, JBIG2）的 PDF 解析：\n> ```scala\n> \"com.github.jai-imageio\" % \"jai-imageio-core\" % \"1.2.1\",\n> \"com.github.jai-imageio\" % \"jai-imageio-jpeg2000\" % \"1.3.0\",\n> \"com.levigo.jbig2\" % \"levigo-jbig2-imageio\" % \"1.6.5\"\n> ```\n\n## 基本使用\n\n### 1. 运行 CLI 进行本地解析\n构建完成后，使用以下命令运行 CLI 工具解析单个 PDF 文件：\n\n```bash\njava -Xmx10g -jar cli\u002Ftarget\u002Fscala-2.12\u002Fscience-parse-cli-assembly-3.0.0.jar \u003Cpath_to_your_pdf_file>\n```\n\n*   **说明**：\n    *   `-Xmx10g`：分配 10GB 内存，防止大文件解析时溢出。\n    *   首次运行时会自动下载模型文件（已缓存，后续启动更快）。\n    *   输出结果为标准 JSON 格式，包含 Title, Authors, Abstract, Sections, Bibliography 等字段。\n\n### 2. 在代码中调用 (Scala\u002FJava 示例)\n若作为库集成，可直接调用核心解析逻辑：\n\n```scala\nimport org.allenai.scienceparse._\n\n\u002F\u002F 初始化解析器\nval parser = new ScienceParser()\n\n\u002F\u002F 解析 PDF 文件\nval paper: Paper = parser.parseFile(new java.io.File(\"paper.pdf\"))\n\n\u002F\u002F 访问提取的数据\nprintln(s\"Title: ${paper.title}\")\nprintln(s\"Abstract: ${paper.abstractText}\")\npaper.sections.foreach(s => println(s\"Section: ${s.heading}\"))\n```\n\n### 3. 启动本地服务器\n若需搭建私有解析服务，可在 sbt shell 中直接运行：\n\n```bash\nsbt\n> server\u002Frun\n```\n或者运行打包后的服务端 jar：\n```bash\njava -Xmx10g -jar server\u002Ftarget\u002Fscala-2.12\u002Fscience-parse-server-assembly-3.0.0.jar\n```\n服务默认启动后，可通过 HTTP 请求发送 PDF 进行解析。\n\n---\n*提示：该项目还有一个新版本 **SPv2**，虽然功能较少但输出质量更高，如需尝试请访问 https:\u002F\u002Fgithub.com\u002Fallenai\u002Fspv2。*","某高校科研团队正在构建一个垂直领域的学术文献知识库，需要从数万篇 PDF 格式的论文中自动提取标题、作者、摘要及参考文献等关键元数据。\n\n### 没有 science-parse 时\n- 研究人员只能依靠人工阅读并手动录入论文信息，处理一篇文档平均耗时 20 分钟，效率极低且无法规模化。\n- 若尝试使用通用 PDF 解析库，往往只能提取出混乱的纯文本流，难以区分正文段落、章节标题和页脚噪声，数据结构化清洗成本极高。\n- 参考文献的引用关系完全丢失，无法自动构建论文间的引用图谱，导致后续的关联分析工作无法开展。\n- 不同期刊的排版格式差异巨大，自定义编写的正则规则频繁失效，维护一套适配所有模板的代码几乎是不可能的任务。\n\n### 使用 science-parse 后\n- 团队部署 science-parse 服务后，实现了批量自动化处理，单篇论文解析仅需数秒，将原本需要数月的数据整理工作缩短至几天。\n- 直接获得标准的 JSON 格式输出，标题、作者、摘要、各章节内容及参考文献被精准分离，无需再进行繁琐的文本清洗即可入库。\n- 工具自动识别文中对参考文献的提及位置（Mentions），轻松构建了完整的引文网络，为知识图谱的生成提供了坚实基础。\n- 无论源文件来自何种期刊或会议，science-parse 均能稳定输出统一结构的数据，彻底消除了针对不同排版格式编写适配规则的痛点。\n\nscience-parse 通过将非结构化的科学论文 PDF 转化为高质量的结构化数据，让大规模学术挖掘从“人工劳作”跃升为“智能自动化”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fallenai_science-parse_ecde800d.png","allenai","Ai2","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fallenai_65c450d5.png","",null,"ai2-info@allenai.org","http:\u002F\u002Fwww.allenai.org","https:\u002F\u002Fgithub.com\u002Fallenai",[85,89,93],{"name":86,"color":87,"percentage":88},"Java","#b07219",61.5,{"name":90,"color":91,"percentage":92},"Scala","#c22d40",37.1,{"name":94,"color":95,"percentage":96},"Python","#3572A5",1.4,697,89,"2026-04-05T09:15:49","Apache-2.0",4,"未说明 (基于 JVM，理论上支持所有运行 Java\u002FScala 的系统)","未说明","建议至少 10GB (启动命令示例为 -Xmx10g)",{"notes":106,"python":107,"dependencies":108},"该项目是 Java 和 Scala 的混合项目，需安装 sbt 构建系统。首次运行时会自动下载较大的模型文件（已缓存，后续启动更快）。若需处理包含特定图像格式（如 JPEG2000, JBIG2）的 PDF，需手动添加额外的图像库依赖以规避许可限制。在 IDE 中开发需启用 Lombok 注解处理。","不需要 (基于 Scala\u002FJava)",[109,110,111,112,113,114],"Scala 2.12+","sbt (构建工具)","Lombok","jai-imageio-core (可选，用于图像格式支持)","jai-imageio-jpeg2000 (可选)","levigo-jbig2-imageio (可选)",[14,18],"2026-03-27T02:49:30.150509","2026-04-06T09:04:29.947963",[119,124,129,134,139,144,149],{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},18610,"运行程序时出现 \"OutOfMemoryError: Java heap space\" 错误，即使增加了堆内存也无效，如何解决？","这通常是因为模型加载需要大量内存。虽然增加堆空间（如 -Xmx8g）是第一步，但如果仍然失败，请检查是否正在正确加载令牌。此外，确保您使用的是最新版本的库，因为维护者可能已经优化了内存使用。如果问题依旧，尝试在运行时明确设置更大的堆大小，并监控日志中模型加载的具体步骤以确认是否卡在某处。","https:\u002F\u002Fgithub.com\u002Fallenai\u002Fscience-parse\u002Fissues\u002F107",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},18611,"程序启动时卡在 \"Starting to wait on ... .lock\" 消息，不再继续运行，怎么办？","这个问题通常与模型文件的锁机制或下载超时有关。维护者已在版本 1.3.2 及 master 分支的最新代码中修复了此问题。请升级到最新版本（例如通过 Maven Central 获取 1.3.2 或更高版本），或者直接从 master 分支构建项目，即可解决该卡顿问题。","https:\u002F\u002Fgithub.com\u002Fallenai\u002Fscience-parse\u002Fissues\u002F105",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},18612,"执行 \"sbt cli\u002Fassembly\" 构建时报错 \"not found: value assembly\"，如何解决？","此错误通常是由于 JDK 版本不兼容导致的。即使系统安装了 JDK 8，如果默认使用的 Java 版本是 JDK 11 或更高，也会报错。请使用命令 `sudo update-alternatives --config java` 检查并切换系统默认的 Java 版本到 JDK 8。切换后，再次运行构建命令即可成功。","https:\u002F\u002Fgithub.com\u002Fallenai\u002Fscience-parse\u002Fissues\u002F148",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},18613,"运行解析器时出现 \"TimeoutException: Futures timed out after [15 minutes]\" 错误，如何处理？","这是因为网络速度较慢，导致模型下载时间超过了默认的 15 分钟限制。解决方法是修改源代码中的超时设置：打开 `RunSP.scala` 文件，找到第 195 行，增加超时时间的数值。只需在第一次下载模型时进行此修改，一旦模型下载完成并被缓存，后续运行将不再需要下载，也不会触发此超时错误。","https:\u002F\u002Fgithub.com\u002Fallenai\u002Fscience-parse\u002Fissues\u002F106",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},18614,"在 Windows 上构建项目时出现 \"unmappable character for encoding Cp1252\" 编码错误，如何修复？","这是由于 Windows 默认编码与项目源文件编码不匹配造成的。请在项目的 `build.sbt` 文件中添加以下配置项：`javacOptions += \"-encoding utf8\"`。这将强制编译器使用 UTF-8 编码处理源文件。此外，维护者发布的 2.0.3 版本也已包含对此问题的修复，升级版本也可解决问题。","https:\u002F\u002Fgithub.com\u002Fallenai\u002Fscience-parse\u002Fissues\u002F126",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},18615,"文档或示例中的链接（如 http:\u002F\u002Fscienceparse.allenai.org）无法访问或返回 ERR_EMPTY_RESPONSE，服务器还可用吗？","之前确实存在服务器不可用的情况，但维护者已确认该问题得到修复。目前 http:\u002F\u002Fscienceparse.allenai.org 及相关示例链接已恢复正常运行。如果您仍然遇到无法访问的情况，请稍后重试或检查本地网络连接。","https:\u002F\u002Fgithub.com\u002Fallenai\u002Fscience-parse\u002Fissues\u002F113",{"id":150,"question_zh":151,"answer_zh":152,"source_url":138},18616,"在非 Git 仓库目录中构建项目时遇到问题，有什么注意事项？","目前在非 Git 仓库目录中构建项目是不支持的，这会导致某些插件无法正常工作从而引发错误。请确保您在克隆后的 Git 仓库目录内执行构建命令（如 `sbt cli\u002Fassembly`）。如果您必须在其他目录构建，可能需要手动初始化 Git 仓库或等待维护者移除对 Git 插件的依赖。",[154,158],{"id":155,"version":156,"summary_zh":80,"released_at":157},109144,"v2.0.3","2018-12-05T21:20:56",{"id":159,"version":160,"summary_zh":80,"released_at":161},109145,"v1.3.2","2018-05-18T18:30:13"]