EMNLPMay, 2020

SciSight：将多层导航与科研团队检测相结合，以进行 COVID-19 探索性科学搜索

PDF
TL;DR本文介绍了 SciSight 系统，通过自动提取论文中的生物医学方面（例如基因、药物、疾病、患者结果）来探索 COVID-19 研究中的关联，并结合文本和网络信息搜索和可视化研究人员及其联系，该系统已经为超过 15K 个用户提供服务，生成超过 42K 个页面浏览和 13％的回报率。
covid-19scisightexploratory searchbiomedical facetsnetwork information
发现论文，激发创造
  • 可视化 COVID-19 研究

    本文提供了一种结合大型数据建模、信息制图和趋势分析的新型自动化主题可视化方法，用于快速发现 COVID-19 疫情下的主题和研究资源，结果显示了有关社交隔离、医疗话题、病毒在不同地区的演变轨迹等信息，同时也表明了迫切需要快速自动化地进行大规模数据的搜索和浏览。

    May, 2020

  • 一种用于科学挑战和方向发现的搜索引擎

    本文介绍了一种新颖的从全文中提取和搜索科学挑战和方向的任务，以促进快速知识发现。我们构建并发布了一个专家注释的语料库，并使用我们的数据训练模型来识别 COVID-19 疫情相关的生物医学跨学科工作中的挑战和方向，从而构建了一个专用搜索引擎。我们的实验表明，我们的系统在协助知识发现方面优于流行的科学搜索引擎，并且我们的模型可以泛化到更广泛的生物医学领域和 AI 论文。

    Aug, 2021

  • COVID-SEE: 用于 COVID-19 相关研究的科学证据探索器

    COVID-SEE 是一个基于信息探索概念的医学文献发现系统，通过多种不同的文本分析和自然语言处理方法来组织信息，并通过提供视觉概述增强搜索来帮助医学专业人员和研究人员探索文献证据，并提高相关信息的可发现性。

    Aug, 2020

  • CO-Search：基于语义搜索、问答和摘要生成的 COVID-19 信息检索

    本文介绍了 CO-Search，这是一款检索 - 排序语义搜索引擎，设计用于处理 COVID-19 相关文献，包括使用 Siamese-BERT 编码器、BM25 矢量化器和多跳问答模块等，以高效地帮助寻找科学答案，并在多项指标上获得了最佳表现。

    Jun, 2020

  • 通过文献分析导航 COVID-19 研究领域：鸟瞰全局

    利用 NLP 技术（如命名实体识别和聚类算法）对 PubMed 数据库中的 LitCovid 文献进行分析，从中筛选出与 COVID-19 相关的生物实体、症状、并发症等，帮助人们快速了解 COVID-19 相关文献的主题和研究进展。

    Aug, 2020

  • COVID-19 知识图谱：加速科学文献信息检索和发现

    本文提出了 COVID-19 知识图谱（CKG），它结合了语义信息和拓扑信息来提取和可视化 COVID-19 科学文章之间的复杂关系，最终形成一个关系图谱。CKG 可以为类似文档检索提供低维度的图像嵌入，有助于揭示 COVID-19 科学文章中深层次的信息。

    Jul, 2020

  • 探索 COVID-19 大流行期间研究主题的演变

    基于 CORD-19 文本摘要的 CORToViz 可视化工具，利用最新科技，通过聚类文章并提取主题的方法，提供快速可视化主题内容和趋势的交互式仪表盘，适用于任何文本文档语料库的数据准备和结果可视化。

    Oct, 2023

  • 搜索 COVID-19 问题的科学文献

    探讨如何为新疾病的大流行提供可靠的信息支持，实现新的信息检索，采用不同的排名算法，并提出了神经检索方法，并在 TREC COVID 搜索中证明其有效性。

    Jul, 2020

  • COVID-19 文献知识图谱构建与药物再利用报告生成

    为了应对 COVID-19，我们开发了一个全新的综合性知识发现框架 COVID-KG，从科学文献中提取了细粒度的多媒体知识元素，并利用构建的多媒体知识图谱用于问答和报告生成，以药物再利用为案例研究。该框架还提供了详细的上下文句子，子图和知识子图作为证据。

    Jul, 2020

  • SLEDGE: 一种简单而有效的 COVID-19 科学知识搜索基线

    本文介绍了一个基于 SciBERT 的搜索系统 - SLEDGE，其在 TREC-COVID 挑战赛上表现出强大的效果，并提供了一些潜在的未来方向，包括按日期筛选和更加专注于计数信号的神经方法。

    May, 2020