SoMeSci——科学文献中软件提及的5星开放数据黄金标准知识图谱
信息检索
2021-08-23 v1 计算与语言
摘要
了解科学研究中使用的软件十分重要,例如可用于理解数据处理中涉及的来源与方法。然而,软件通常未被正式引用,而是在研究的学术描述中被非正式提及,这就产生了对自动信息抽取与消歧的需求。鉴于缺乏可靠的真实数据,我们提出 SoMeSci(科学中的软件提及),一个科学文献中软件提及的黄金标准知识图谱。它包含对1367篇 PubMed Central 文章中3756处软件提及的高质量标注(IRR:)。除软件本身的提及外,我们还提供了额外信息的关联标签,如版本、开发者、URL 或引用。此外,我们区分了不同类型,如应用程序、插件或编程环境,以及不同类型的提及,如使用和创建。据我们所知,SoMeSci 是关于科学文献中软件提及最全面的语料库,为命名实体识别、关系抽取、实体消歧和实体链接提供了训练样本。最后,我们勾勒了潜在用例并给出了基线结果。
引用
@article{arxiv.2108.09070,
title = {SoMeSci- A 5 Star Open Data Gold Standard Knowledge Graph of Software Mentions in Scientific Articles},
author = {David Schindler and Felix Bensmann and Stefan Dietze and Frank Krüger},
journal= {arXiv preprint arXiv:2108.09070},
year = {2021}
}
备注
Preprint of CIKM 2021 Resource Paper, 10 pages