ACLOct, 2020

从 COVID-19 论文中提取机制知识库

PDF
TL;DR本研究旨在构建知识库，根据科学论文中的自然语言提取关于机理的信息，设计统一的架构并利用模型提取机理关系来支持 COVID-19 文献中的跨领域科学搜索。实验结果表明，该知识库在临床专家中表现优异，超过了知名的 PubMed 搜索。
covid-19knowledge basemechanismsscientific literatureautomated tools
发现论文，激发创造
  • 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

  • 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

  • SuMe: 面向生物医学机制概述的数据集

    本文介绍了生物医学机制总结任务，并利用少量手工标注的机制句子，训练了机制句子分类器以过滤大量的生物医学摘要并创建了一个包含 22k 实例的总结数据集。此外，我们还引入了 611k 实例的结论句子生成作为预训练任务，并基准测试了大型生物领域语言模型的性能。我们发现，虽然预训练任务有助于提高性能，但最佳模型仅在 32％的情况下产生可接受的机制输出，这表明该任务在生物医学语言理解和总结方面面临巨大挑战。

    May, 2022

  • 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-19 相关论文的信息检索和提取工具

    本研究的主要目标是开发一种工具，将信息检索和提取技术应用于 COVID-19 开放研究数据集（CORD-19），为研究人员提供更好的 COVID-19 相关论文搜索工具，帮助他们找到参考论文并突出显示文本中的相关实体。

    Jan, 2024

  • 基于开放研究知识图谱的科学论文知识获取方法

    使用计算机辅助工具的知识获取，构建 Open Research Knowledge Graph 并整理自科研论文中提取的关键见解。

    Aug, 2023

  • 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

  • 利用机器学习和自然语言处理方法来研究 COVID-19 研究的时间演变

    本研究通过多种数据源建立了多个机器学习模型对当前 COVID-19 研究场景进行了表征，包括识别潜在主题、分析出版物相似性和情感。结果表明 PubMed 和 ArXiv 中的研究类型存在显著区别，前者在 COVID-19 相关问题的多样性方面具有更大的多样性，后者则更关注预测 / 诊断 COVID-19 的智能系统 / 工具。研究团队对高危人群和并发症患者的特别关注也得到了证实。

    Jul, 2020

  • 因果知识工程：COVID-19 的案例研究

    COVID-19 中的知识工程方法（CKE）是一种支持构建特定应用模型的因果知识库的结构化方法。

    Mar, 2024

  • 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