Paper to HTML - converte artigos em HTML mais fácil de ler

• Converte em HTML, usando machine learning, o conteúdo de PDF, LaTeX e XML do PubMed Central para facilitar a leitura

• Objetivo de aumentar a acessibilidade

• Protótipo experimental do Semantic Scholar, um mecanismo de busca de materiais de pesquisa com IA

• Atualmente, apenas imagens/conteúdos extraídos são armazenados em cache, sendo usado para oferecer um serviço mais rápido apenas a quem enviou o mesmo documento. Os arquivos enviados não são armazenados

• Limitações

→ tabelas (Table) são extraídas como imagem

→ conteúdo matemático (Math) tem baixa precisão ou quase não é extraído

→ o processamento de LaTeX/PubMed pode ter alguns recursos a menos do que PDF

• Há planos de adicionar recursos de acessibilidade ao Semantic Scholar no futuro

[v08zbv8fvlkjasdflkj]

Ao converter PDF para outro formato (epub é ótimo), o problema acabam sendo as tabelas e fórmulas listadas acima; se as fórmulas não funcionarem bem, não sei qual seria o ponto forte.

--

Pelo demo, parece bem utilizável.

[indigo6]

Parece que vai ser prático, mas também acho que deve haver pessoas que não gostariam que seu próprio artigo fosse convertido para HTML. Seria bom se o detentor dos direitos pudesse fazer opt-out dessa conversão...

Antigamente, quando eu escrevia artigos em LaTeX (faz muito tempo mesmo, buá buá), sentia um prazer enorme com isso. O conteúdo era fraco, mas a renderização era tão limpa e bonita que ainda me lembro da sensação que tive naquela época. Ao olhar para o TeX, eu pensava algo como... Knuth é um deus, um deus... Enfim, de repente me ocorreu que, embora o conteúdo da obra escrita pela própria pessoa seja importante, também deve haver gente que considera importante o formato do artigo e os detalhes da sua apresentação.

[xguru]

Dando uma olhada na galeria, a qualidade parece bem utilizável.

https://papertohtml.org/gallery

Fiquei pensando se seria prático ter algo assim aplicado no Google Scholar.