因果知识工程:COVID-19的案例研究
本文介绍了Neural Covidex搜索引擎的开发,该引擎利用最新的神经排序技术,提供对Allen AI的COVID-19开放研究数据集的信息访问,并分享了开发过程中的一些经验和思考,旨在提高科学文献的信息获取能力,启发基于证据的决策和洞见生成。
Apr, 2020
本文利用GPT-2语言模型,结合tf-idf、BERT、BioBERT、USE四种过滤方法,开发了一款自动回答有关COVID-19的聊天机器人,并通过医学专家评估,发现BERT和BioBERT优于tf-idf和USE,以提供正确、即时、有用的健康数据。同时,还创建了一款用户友好型的互动网络应用程序。
Jun, 2020
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
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
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
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。
Oct, 2020
本研究采用现代自然语言处理技术设计了一个基于问题回答系统,以应对COVID-19大规模信息泛滥和不实传言。我们依据Ingwersen的信息检索认知模型,从社会技术角度推导并转化成具体的设计要求和设计原则,并以CORD-19数据集为基础构建了一个样机系统。我们根据生物医学专家标记的COVID-19问题样本,评估了系统的答案质量,证明了其有用性。
Apr, 2022
本文提出Covidia,COVID-19研究的跨学科学术知识图谱,并设计了基于对比学习的学科分类和实体提取以及关系分类和本体管理的框架。基于Covidia,我们还建立了知识发现基准,以发现COVID-19研究团体和预测潜在关联。
Apr, 2023
本文通过对COVID-19英国疫情数据的应用研究,探讨了因果机器学习算法的挑战,并评估了这些算法以及算法组性能的图形结构、模型尺寸、敏感性分析、混淆变量、预测和干预推断等方面的结果。最终,提出了因果结构学习的挑战和未来研究方向。
May, 2023
本研究通过系统综述和参数方法,对COVID-19本体进行了全面深入的分析,揭示了本体开发的形式、设计方法、领域重点等方面的差异,并提供了科学界和COVID-19本体开发者有价值的见解和综合本体度量,增进了对CovOs的理解,为比较分析和未来发展提供了依据,同时指出了研究空白和领域重点,进而指导未来本体学进展的方向。
Sep, 2023