通过可重复的管道重塑文献发现

通过连接不同来源的科学文献，文献发现(LBD)方法有助于发现新的知识并生成无法从领域特定文档alone中找到的新研究假设。我们的工作聚焦于结合bisociative reasoning与LBD技术的bisociative LBD方法。本文以可重复科学的视角介绍LBD，以确保LBD实验的可重复性，克服基准数据集和方法使用的不一致性，激发合作，并将LBD领域推向更稳健和更具影响力的科学发现。本研究的主要新颖之处在于一组Jupyter笔记本，展示了bisociative LBD过程的步骤，包括数据获取、文本预处理、假设形式化和评估。所提供的笔记本实现了一系列传统LBD方法，以及基于ensemble的、基于离群点的和基于链接预测的方法。读者可以通过开放获取的基准数据集、代码复用以及确保所选LBD方法可重复性的就绪可运行Docker配方获得LBD的实践经验。