该研究论文调查了自然语言处理在药学领域中的应用，包括用于信息提取和处理的深度神经网络等。作者将其总结为五个类别并提出现代 NLP 方法、普遍任务、相关文本数据、知识库和有用的编程库等。总结为一份综合性概述，对实践者和感兴趣的观察者有用。

Aug, 2022

通过自然语言处理从科学文献中挖掘非结构化文本作为知识图谱的数据源，探讨了利用自然语言处理构建和分析知识图谱在药物发现领域的前景和陷阱。

Oct, 2023

本文提出了一种基于自然语言描述和编辑目标分子的新型任务，即 “对话式分子设计”，并设计了一个通用的 ChatMol 模型，它采用了大规模语言模型和化学知识相结合的技术，来实现将自然语言和化学语言相互转换在分子领域的应用。

Jun, 2023

该论文证明了可以直接将自然语言处理方法应用于化学信息学的分类问题中，并通过 SMILES 化合物的标准文本表示考虑了这些看似不相关的领域之间的联系。研究了针对目标蛋白的活性预测问题，这是计算机辅助药物设计过程中的关键部分。实验结果表明，这种方法不仅能够超越手动制作表示结果的最高水平，还直接获得结构洞见以了解决策的制定方式。

Feb, 2016

药物开发中，药理学家需要进行各种任务，比如文献回顾、假设制定、实验设计和结果解释。在本文中，我们介绍了一种基于大型语言模型（LLM）的自然语言接口，用于与存储在数据库中的结构化信息进行交互。我们的实验证明了所提出框架的可行性和有效性。该框架可以广泛查询各种药品数据和知识库。

Jul, 2023

科学语言模型在分子发现中的作用及其在药物设计、性质预测和反应化学中的优势，以及通过降低科学语言建模领域的门槛来加速化学发现，并提出结合聊天机器人界面和计算化学工具的分子设计愿景。

Sep, 2023

文章综述了自然语言处理在电子健康记录领域的应用，重点介绍了计算表型学方法，包括基于关键词搜索和基于规则的系统等算法，以及监督式机器学习模型、深度学习和非监督式学习等最近受到关注的算法。同时文章指出在病历中特征关系的处理、模型可解释性和推广性等方面仍有待解决的问题。

Jun, 2018

本文综述了自然语言处理在编程方面的研究，并从推理模型到最新竞争级模型全面调查了现有的相关工作，具有技术类别的完整性，方便查找和比较未来的工作。

Dec, 2022

利用深度学习，将口语处理和主流自然语言处理结合起来，以实现更符合人类交流方式、更具数据效率和更具人类化的系统，并更好地与其他语言科学进行整合。

May, 2023

本文研究了在化学领域中使用自然语言描述来增强预测模型。使用文献手动提取的大量结构化数据来训练化学信息模型是传统的方法。本文引入了一种新的方法 TextReact，该方法直接利用从文献中检索到的文本增强预测化学。TextReact 检索与给定化学反应相关的文本描述，然后将其与反应的分子表示进行对齐。通过在预测器训练中加入辅助的掩码语言模型目标，增强了这种对齐。我们通过两个化学任务进行了实证验证：反应条件推荐和一步逆合成。通过利用文本检索，TextReact 显著优于仅基于分子数据训练的最先进的化学信息模型。

Dec, 2023