COVID-19 Kaggle文献组织

Maksim Ekin Eren; Nick Solovyev; Edward Raff; Charles Nicholas; Ben Johnson

doi:10.1145/3395027.3419591

COVID-19 Kaggle文献组织

信息检索 2020-09-03 v3 数字图书馆机器学习

作者: Maksim Ekin Eren , Nick Solovyev , Edward Raff , Charles Nicholas , Ben Johnson

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

2020年,世界面临了严重急性呼吸综合征冠状病毒2型(SARS-CoV-2),即COVID-19的破坏性暴发。该主题的研究被快速推进到科学家难以跟上新发现的地步。随着科学文献的增多,出现了组织这些文档的需求。我们描述了一种利用机器学习技术对COVID-19相关科学文献进行组织与可视化的方法,使相似主题的论文被归在一起。借此,主题与相关论文的浏览得以简化。我们使用广泛认可的CORD-19数据集实现了该方法,呈现了一个公开可用的概念验证。

关键词

COVID-19 文献组织机器学习 CORD-19数据集文档聚类可视化

引用

@article{arxiv.2008.13542,
  title  = {COVID-19 Kaggle Literature Organization},
  author = {Maksim Ekin Eren and Nick Solovyev and Edward Raff and Charles Nicholas and Ben Johnson},
  journal= {arXiv preprint arXiv:2008.13542},
  year   = {2020}
}

备注

Maksim Ekin Eren, Nick Solovyev, Edward Raff, Charles Nicholas, and Ben Johnson. 2020. COVID-19 Kaggle Literature Organization. In ACM Sym-posium on Document Engineering 2020 (DocEng 20), September 29-October2, 2020, Virtual Event, CA, USA.ACM, New York, NY, USA, 4 pages. https://doi.org/10.1145/3395027.3419591