COVID-19知识图谱：加速科学文献的信息检索与发现
信息检索
2020-07-28 v1 人工智能
计算与语言
摘要
冠状病毒病（COVID-19）已在全球夺去超过35万人的生命，并感染了超过600万人。一些搜索引擎已经出现，为研究人员提供额外的工具，以便从快速增长的COVID-19文献库中查找和检索信息。这些引擎缺乏检索和解释科学文献中固有复杂关系所必需的信息提取和可视化工具。此外，由于这些引擎主要依赖语义信息，它们捕捉跨文档复杂全局关系的能力有限，这降低了为用户提供基于相似性的文章推荐的质量。在这项工作中，我们提出了COVID-19知识图谱（CKG），这是一个用于提取和可视化COVID-19科学文章之间复杂关系的异构图。CKG结合了语义信息和文档拓扑信息，用于相似文档检索的应用。CKG利用数据的潜在模式构建，然后使用可扩展的AWS技术从文章的非结构化文本中提取生物医学实体信息来丰富图谱，以形成图中的关系。最后，我们提出了一种文档相似性引擎，该引擎利用来自CKG的低维图嵌入与语义嵌入进行相似文章检索。分析证明了CKG中关系的质量，并表明它可以用于揭示COVID-19科学文章中有意义的信息。CKG为www.cord19.aws提供支持，并已公开可用。
引用
@article{arxiv.2007.12731,
title = {COVID-19 Knowledge Graph: Accelerating Information Retrieval and Discovery for Scientific Literature},
author = {Colby Wise and Vassilis N. Ioannidis and Miguel Romero Calvo and Xiang Song and George Price and Ninad Kulkarni and Ryan Brand and Parminder Bhatia and George Karypis},
journal= {arXiv preprint arXiv:2007.12731},
year = {2020}
}