知识图谱加速COVID-19科研信息检索

利用知识图谱加速COVID-19研究

知识图谱通过节点和边的结构组织信息，便于更高效地探索分析。节点代表实体（如论文、作者），边表示实体间关系。某中心于2020年5月公开了COVID-19知识图谱（CKG），该图谱基于艾伦人工智能研究所牵头构建的COVID-19开放研究数据集（CORD-19）构建，支撑了某中心的文献排序和推荐系统。

图谱结构设计

图谱包含五类节点：

• 论文节点：包含标题、ID等元数据
• 作者节点：记录作者姓名
• 机构节点：包含机构名称和地理位置
• 概念节点：标注论文中出现的医学术语（如布洛芬、心功能障碍）
• 主题节点：表示研究领域（如基因组学、流行病学）

边关系包括：作者关联、机构隶属、概念关联、主题关联和论文引用关系。

图谱构建技术

概念提取

采用某中心的医疗实体识别服务，从文本中提取医学实体并分类。例如从"腹部超声提示急性阑尾炎"中识别"腹部（解剖结构）""超声（检查程序）""急性阑尾炎（医疗状况）"。

主题生成

使用Z-LDA主题模型分析论文标题、摘要和正文，基于术语频率筛选出10个核心主题，并由医学专家参与审定。

应用案例

引文排序

利用图谱结构实现定制化引文统计，可针对特定主题或概念筛选高影响力论文。

相似论文推荐引擎

结合两种嵌入技术：

1. 语义嵌入：使用SciBert模型生成论文标题、摘要和正文的嵌入向量，通过向量平均计算相似度
2. 知识图谱嵌入：采用DGL-KE工具训练节点嵌入，保留图谱中的结构关系

最终将两类嵌入拼接后，通过余弦距离计算Top-K最相关论文。评估方法包括流行度分析、主题交集分析和聚类分析等。

相关技术细节可参考某中心技术博客中关于图数据库浏览器和知识图谱构建的专题文章。