结合知识图谱与大语言模型的危险化学品信息管理与重用
信息检索
2025-02-17 v1 人工智能
摘要
人类健康正日益受到暴露于危险物质的威胁，尤其是持久且有毒性的化学品。这些物质与各种疾病之间的关联在科学研究中得到了证明。然而，这些信息分散在多个来源，难以被人类和机器访问。本文评估了当前关于危险化学品信息的出版/访问实践方法，并提出了一种新型平台，旨在紧急情况下检索关键化学数据。该平台聚合来自多个来源的信息，并将其组织成结构化知识图谱。用户可以通过诸如 Neo4j Bloom 和仪表板等可视化界面，或通过自然语言查询与聊天机器人访问这些信息。我们的发现表明，当数据遵循 FAIR 原则时，使用本平台可显著减少获取至关重要化学信息所需的时间和 effort。此外，我们讨论了从开发和实施中获得的经验教训，并为数据所有者和出版方提供了建议，以增强数据重用和互操作性。本工作旨在提高化学信息的可访问性和可用性，以支持医护专业人员在面对患者暴露于化学中毒风险时做出更明智的决策。
引用
@article{arxiv.2412.09644,
title = {Combining knowledge graphs and LLMs for hazardous chemical information management and reuse},
author = {Marcos Da Silveira and Louis Deladiennee and Kheira Acem and Oona Freudenthal},
journal= {arXiv preprint arXiv:2412.09644},
year = {2025}
}
备注
Submitted to IEEE BIBM24