从文本中进行本体 enrichment：用于概念发现与放置的生物医学数据集
计算与语言
2023-09-04 v3
摘要
新概念的提及定期出现在文本中，需要自动化方法将其提取并放入知识库(KB)（例如本体和分类法）中。现有数据集存在三个问题：(i) 大多假设新概念已被预先发现，无法支持 KB 外提及发现；(ii) 仅使用概念标签作为 KB 的输入，因而缺乏概念标签的上下文；(iii) 大多关注针对原子概念分类法的概念放置，而非复杂概念（即带逻辑运算符的概念）。为解决这些问题，我们提出一个新基准，基于 MedMentions 数据集（PubMed 摘要）并采用 2014 和 2017 版 SNOMED CT，限于疾病子类别以及临床发现、操作、药物/生物制品等更广类别。我们提供了利用该数据集进行 KB 外提及发现和概念放置的评估用法，并适配了近期基于大语言模型(LLM)的方法。
引用
@article{arxiv.2306.14704,
title = {Ontology Enrichment from Texts: A Biomedical Dataset for Concept Discovery and Placement},
author = {Hang Dong and Jiaoyan Chen and Yuan He and Ian Horrocks},
journal= {arXiv preprint arXiv:2306.14704},
year = {2023}
}
备注
5 pages, 1 figure, accepted for CIKM 2023. The dataset, data construction scripts, and baseline implementation are available at https://zenodo.org/record/8228005 (Zenodo) and https://github.com/KRR-Oxford/OET (GitHub)