Jun, 2023

Curatr：一个历史文学文本语义分析和策展平台

PDF
TL;DR文献数字化收集的规模和多样性带来了挑战，基于机器学习支持的语义搜索的在线平台 Curatr 提供了一个文本挖掘流程，将神经单词嵌入与领域专家知识相结合，使研究人员能够从大型 18 和 19 世纪数字化文本语料库中筛选出相关的子语料库。
digital collectionsmachine learningsemantic searchtext miningdigital humanities
发现论文，激发创造
  • CiT：有效视觉语言数据训练的筛选

    本文提出了一种名为 CiT 的有效视觉 - 文本学习算法，通过在训练中将数据目标整合进去，自动产生高质量数据集和提高对比度图像 - 文本训练的速度，从而实现了数据筛选管道的免除和训练速度的提高。

    Jan, 2023

  • T-curator：LOD 日志的基于信任的策展工具

    现在，企业正在追求链接开放数据（LOD）以提高其附加值，但它们忽视了其 SPARQL 查询日志。如果经过良好的整理，这些日志可以成为决策者的资产。然而，简单和直接地使用这些日志是很冒险的，因为它们的出处和质量都是非常可疑的。为了以可信赖的方式使用这些日志，用户需要深入了解整个 LOD 环境，并提供工具来整理这些日志。在本文中，我们提出了一个交互式和直观的基于信任的工具，在利用这些日志之前可以用来整理这些 LOD 日志。这个工具旨在支持我们在我们之前的工作 Lanasri 等人 [2020] 中提出的方法。

    May, 2024

  • 理解档案：依赖于文档的语义注释的新研究界面

    通过文本语义的语义注释，研究档案文件的构建框架和技术障碍的解决方案以及实际应用

    Mar, 2024

  • SciLit: 一种联合科学文献发现、摘要和引用生成平台

    SciLit 是一个自动推荐相关论文、提取摘要、 建议引文的流水线，可提供文学发现和科学写作的辅助工具。

    Jun, 2023

  • 新成立城市：人工智能策展

    本文探讨了现代人工智能模型对策展世界的影响，并以赫尔辛基艺术博物馆为例，通过视觉 - 文本模型将艺术品放置在城市公共空间中以及生成合成的 360 度艺术全景图作为一种人工视觉风格，最终讨论了机器策展的贡献和相关的伦理道德问题。

    Jun, 2023

  • MedCAT 多领域临床自然语言处理：医学概念标注工具包

    介绍了一种开源的医学概念注释工具 (MedCAT)，该工具使用自我监督的机器学习算法从电子医疗记录中提取 UMLS/SNOMED-CT 概念，从而实现了对大量结构化文本的临床分析。该工具包括：自定义和训练 IE 模型的功能丰富的注释界面；以及与 CogStack 生态系统的集成用于厂商无关的卫生系统部署。现实世界的验证表明，该工具在大型伦敦医院的 SNOMED-CT 提取方面的性能表现很好，表明了跨领域的 EHR-agnostic 实用性，可加速临床和研究用例。

    Oct, 2020

  • TERMinator：科学文本处理系统

    本文介绍了一个包括两种任务的数据集，以及一个名为 TERMinator 的工具，用于从科技文本中提取实体和它们之间的语义关系，并研究语言模型对术语识别的影响和不同方法之间的比较。实验证明，预先训练在目标语言上的语言模型并不总是表现最好。此外，添加一些启发式方法可以提高特定任务的整体质量。

    Sep, 2022

  • MedCAT -- 医学概念注释工具

    该论文提出了一种基于无监督机器学习的医疗概念注释工具 MedCAT，可在不需要人工标注数据的情况下从电子病历等医疗文档中提取并链接具有潜在医疗知识的实体，表现出良好的性能，是一种轻量级、快速且易于使用的工具。

    Dec, 2019

  • 随时间学习词语相关性

    通过抽取一种从纵向数据集中提取出的时间关系模型，该篇论文为查询扩展任务提供了一种算法框架，以实现对搜索系统中的历史内容的更精确的识别和检索。

    Jul, 2017

  • 语义漂移分析的交互工具：TextEssence

    本文介绍了使用词嵌入进行语言学特征和语料库相关性比较的交互式系统 TextEssence，并提出了一种基于邻域重叠的嵌入置信度度量方法，用于辅助语料库分析。作者以 COVID-19 科技文献为例进行了案例研究。

    Mar, 2021