基于文献的发现中的最新进展与未来方向
计算与语言
2025-06-17 v1 人工智能
摘要
科学出版物数量的爆炸式增长催生了对促进知识综合与假设生成的自动化方法的迫切需求。基于文献的发现 (LBD) 通过揭示不同领域之间此前未知的关联来应对这一挑战。本文综述了 LBD 的近期方法学进展，重点关注 2000 年至今的发展。我们回顾了三个关键领域的进展：知识图谱构建、深度学习方法，以及预训练和大语言模型 (LLMs) 的融合。尽管 LBD 已取得显著进展，但若干基本挑战仍未解决，特别是关于可扩展性、对结构化数据的依赖以及对大量人工标注的需求。通过审视正在进行的进展并概述有前景的未来方向，本综述强调了 LLMs 在增强 LBD 中的变革性作用，旨在支持研究人员和实践者利用这些技术加速科学创新。
引用
@article{arxiv.2506.12385,
title = {Recent Advances and Future Directions in Literature-Based Discovery},
author = {Andrej Kastrin and Bojan Cestnik and Nada Lavrač},
journal= {arXiv preprint arXiv:2506.12385},
year = {2025}
}
备注
13 pages, 1 table, 1 figure