从COVID-19论文中抽取机制知识库
计算与语言
2021-04-20 v3 信息检索
机器学习
摘要
COVID-19大流行催生了多样化且难以导航的科学文献，刺激了对自动工具的兴趣，以帮助发现有用的知识。我们致力于构建一个机制知识库（KB）——机制是横跨科学各领域的基础概念，涵盖活动、功能与因果关系，从细胞过程到经济影响。我们通过开发一种宽泛、统一的模式，在相关性与广度间取得平衡，从科学论文的自然语言中抽取此类信息。我们用该模式标注了一个机制数据集，并训练了一个从论文中抽取机制关系的模型。我们的实验证明了该KB在支持COVID-19文献的跨学科科学检索中的效用，在一项与临床专家的研究中优于著名的PubMed检索。
引用
@article{arxiv.2010.03824,
title = {Extracting a Knowledge Base of Mechanisms from COVID-19 Papers},
author = {Tom Hope and Aida Amini and David Wadden and Madeleine van Zuylen and Sravanthi Parasa and Eric Horvitz and Daniel Weld and Roy Schwartz and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:2010.03824},
year = {2021}
}
备注
Accepted to NAACL 2021 (long paper). Tom Hope and Aida Amini made an equal contribution. Data and code: https://git.io/JUhv7