Jul, 2020

通过语义可视化探索和发现 COVID-19 文献

PDF
TL;DR我们正在开发语义可视化技术以增强探索和发现复杂关系的大型数据集的能力，包括使用 NLP 从原始数据中提取命名实体、关系和知识图，对所有相关实体和关系进行索引并创建各种可视化形式的表示，并使用参数缩减操作创建 “关系容器” 或功能性实体，以便通过多种方式可视化多个关系，部分路径和多维探索，从而发现复杂数据中的新推断。我们已将此应用于对最近发布的 CORD-19 数据集的分析。
发现论文，激发创造
  • 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

  • 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

  • 医学语言嵌入的知识转移

    该研究使用分布语义学将结构化知识图谱与非结构化文本相结合，利用概率生成模型预测医学概念之间的新关系，进一步证明该方法可用于医学领域的数据稀缺性问题。

    Feb, 2016

  • 在 Semantic Scholar 中构建文献图谱

    通过 NLP 技术构建一个规模巨大的异构图，用于组织已发表的科学文献，并且在 www.semanticscholar.org 上使用此系统以实现语义功能。

    May, 2018

  • 利用知识图谱嵌入空间上的语义查询探索学术数据

    本文介绍了使用知识图谱嵌入方法来分析其语义结构，从而支持数据探索和解决相关问题的框架和方法。通过这种方式，可以使用良好研究的词嵌入空间定义语义查询，以便在数据集中解决相似性和类比等任务，并支持传统学术数据探索任务及一些新的有趣任务的解决。

    Sep, 2019

  • 新冠病毒知识图谱：案例研究

    使用知识图谱、机器学习和深度学习等工具，分析 COVID-19 相关的 PubMed 数据集和 CORD-19 数据集，发现专家、生物实体，预测相关疾病、药物候选者、基因突变和相关化合物，从而帮助生物医学研究人员应对 COVID-19 大流行。

    Jul, 2020

  • 在知识图谱关系中发现细粒度语义

    本文提出了一种发现抽象关系中不同语义和获取细致意义的子关系的策略，其方法基于关系涉及的实体类型和向量表示的聚类，能够自动发现多义关系的最佳子关系及其语义解释。

    Feb, 2022

  • 生物医学领域的描述性知识图谱

    我们提出了一个新颖的系统，从生物医学语料库中自动提取和生成信息丰富、描述性的句子，促进相关知识的高效检索。与以往的搜索引擎或探索系统不同，我们的系统将描述性句子组织为关系图，使研究人员能够探索密切相关的生物医学实体（例如，化学品治疗的疾病）或间接相连的实体（例如，治疗疾病的潜在药物）。我们的系统还使用 ChatGPT 和经过微调的关系综合模型从检索到的信息中生成简明可靠的描述性句子，减少了对大量人工阅读的需求。通过我们的系统，研究人员可以轻松获得高层次知识和详细参考资料，并交互式地定位所需的信息。我们重点介绍了我们的系统在 COVID-19 研究中的应用，说明了它在药物再利用和文献整理等领域的实用性。

    Oct, 2023

  • VisualSem: 一个高质量的视觉与语言知识图谱

    VisualSem 是一个高质量的知识图谱，包括具有多语言注释、多幅图像和视觉相关关系的节点，并提供了可以用作输入的图像或句子并检索知识图谱中实体的神经多模态检索模型。

    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