COVID-19 多维 Kaggle 文献组织
机器学习
2021-07-21 v2 数字图书馆
摘要
严重急性呼吸综合征冠状病毒 2（SARS-CoV-2）或称 COVID-19 的空前暴发，仍是全球性的重大难题。因此，大量新的 COVID-19 相关研究随之涌现。出版物数量的不断增长需要文档组织方法来识别相关信息。在本文中，我们扩展了先前基于 CORD-19 数据集进行聚类的工作，应用多维分析方法。张量分解是一种强大的无监督学习方法，能够发现文档语料库中的隐藏模式。我们表明，语料库的更高阶表示允许同时分组相似文章、相关期刊、具有相似研究兴趣的作者以及主题关键词。这些分组在通过张量分解提取的潜在分量内部和之间被识别。我们进一步通过数据集的公开可用交互式可视化演示了该方法的的应用。
引用
@article{arxiv.2107.08190,
title = {COVID-19 Multidimensional Kaggle Literature Organization},
author = {Maksim E. Eren and Nick Solovyev and Chris Hamer and Renee McDonald and Boian S. Alexandrov and Charles Nicholas},
journal= {arXiv preprint arXiv:2107.08190},
year = {2021}
}
备注
Maksim E. Eren, Nick Solovyev, Chris Hamer, Renee McDonald, Boian S.Alexandrov, and Charles Nicholas. 2021. COVID-19 Multidimensional Kaggle Literature Organization. In ACM Symposium on Document Engineering 2021