Создание графа знаний PubMed

PubMed® является важнейшим ресурсом в медицинской сфере, однако полезные концепции либо трудно извлечь, либо они неоднозначны, что существенно препятствует поиску знаний. Для решения этой проблемы мы создали граф знаний PubMed (PKG), извлекая биообъекты из 29 миллионов рефератов PubMed, устраняя неоднозначность имен авторов, интегрируя данные о финансировании через ExPORTER Национальных институтов здравоохранения США (NIH), собирая сведения об истории аффилиаций и образовании авторов из ORCID® и выявляя детализированные данные об аффилиациях с помощью MapAffil. Благодаря интеграции этих достоверных данных из нескольких источников мы смогли установить связи между биообъектами, авторами, статьями, аффилиациями и финансированием. Валидация данных показала, что метод глубокого обучения BioBERT для извлечения биообъектов значительно превосходит современные модели по показателю F1 — на 0,51%, тогда как устранение неоднозначности имен авторов (AND) достигло показателя F1, равного 98,09%. PKG может стимулировать более широкие инновации, не только позволяя измерять научное влияние, использование знаний и трансфер знаний, но и помогая создавать профили авторов и организаций на основе их связей с биообъектами.