物理学 > 大气与海洋物理
标题: 2000年至2025年美国报告的云播种活动的结构化数据集,使用大型语言模型
标题: Structured dataset of reported cloud seeding activities in the United States (2000 to 2025) using a large language model
摘要: 云催化是一种旨在局部增强降水的天气修改技术,自20世纪40年代以来一直在美国西部使用。 然而,目前尚无可用于大规模分析云催化工作的数据集。 为解决这一差距,我们提出了一个结构化的数据集,记录了2000年至2025年美国报告的云催化活动,包括年份、季节、州、催化剂、用于部署的设备和目的。 我们使用OpenAI的o4-mini大型语言模型(LLM),结合多阶段的PDF转文本转换和响应解析代码,处理了来自国家海洋和大气管理局(NOAA)的836份历史报告以提取数据。 该数据集在所有字段中的人工验证准确率达到94.72%,并且可在Zenodo上公开获取。 我们的结果解决了美国可访问的云催化数据的缺口,并展示了大型语言模型从历史文件中提取结构化环境数据的潜力。 更广泛地说,这项工作提供了一个可扩展的框架,用于从扫描文档中解锁跨科学领域的历史数据。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.