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

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

科学文献搜索是一种探索性方法，现有的科学文献搜索系统通常限于基于关键词的查询搜索，我们提出 NLP-KG 系统，支持在不熟悉的自然语言处理 (NLP) 领域探索研究文献，并提供语义搜索、调研论文检索、研究领域层次图和聊天接口等功能，以帮助用户全面地探索和理解不同领域之间的关系、NLP 中的陌生概念以及找到相关的研究文献。

Jun, 2024

通过多源数据的整合与深度学习生物实体提取方法，我们构建了一个 PubMed 知识图谱（PKG），可用于衡量学术影响、知识使用和传递，以及通过与生物实体的联系，帮助我们对作者和机构进行档案概述。

May, 2020

本论文探讨了一种简单的方法，使用知识库完成模型（KBC）和学习的嵌入向量，自动构建和排序源实体和目标实体对之间的路径。我们使用获取的生物医学科学文献挖掘了一个知识图，并提取了一组高频路径用于验证。实验结果表明，我们的方法能够有效地排列实体对之间的已知路径，并提出了未在知识图中存在的合理路径。对于给定的实体对，我们能够在排名前 10 的路径中 60% 的时间内重构出排名最高的路径，并达到 49％的平均精度。由于任何能够产生实体向量表示的 KBC 模型都可以使用，因此我们的方法具有组合性

Nov, 2019

我们提出了一种新的平台 AI Research Navigator，该平台结合了传统的关键词搜索和神经检索，可发现和组织相关文献，同时还可以提供多级文本粒度的搜索，从句子到跨文档的聚合，包括自然语言和领域特定的知识图导航。

Oct, 2020

该研究描述了 KnowledgeHub 工具，一种科学文献信息提取和问题回答的流程，通过支持将 PDF 文档转换为文本和结构化表示，以构建本体论，并使用基于浏览器的注释工具对 PDF 文档的内容进行注释，然后通过训练命名实体识别和关系分类模型来构建知识图谱，结合大型语言模型进行问题回答和摘要生成，支持用户全面了解知识发现流程。

May, 2024

本研究提出了使用 BERT 模型和条件随机场层从临床记录中提取和分析生物医学知识的端到端方法，包括自然语言处理模型用于命名实体识别和关系提取等步骤，可以用于构建医学知识图谱并用于问题解答。实验结果表明，该方法对于 505 位真实患者的生物医学非结构化临床记录的命名实体识别和关系提取的准确率分别为 90.7% 和 88%。

Apr, 2023

本文介绍了一种新的数据提取和探索系统，可以从癌细胞系的科学文献中提取文本实体之间的深层次语义关系，为现有结构化临床数据提供丰富的语义信息，并自动链接基因组拷贝数变异图与相关实体，以及相关文献证据，从而实现更为快捷深入的文献检索。

Jul, 2023

KG-based search engine architecture for finding doctors and locations in healthcare domain, with significantly higher coverage for complex queries without degrading quality.

Oct, 2023