摘要。与广泛的共同证据相关的大量文献大流行是对单个专家的手动检查。能够自动处理成千上万的科学出版物的系统的开发,目的是通过基于文学的关联丰富现有的经验证据是具有挑战性且相关的。我们提出了一个通过实体之间的近似关系来对经验表达数据进行上下文化的系统,为此,从最大的COVID-19与19与COVID相关的文献中学到的表示形式。为了通过转移学习来利用更大的科学环境,我们提出了一种新颖的嵌入生成技术,该技术利用Scibert语言模型在大型的多域科学出版物中预测,并为域上的域上的域适应在山脉19个数据集中适应。由医学专家进行的手动评估以及基于相关工作中确定的治疗靶标的定量评估表明,可以成功地用于COVID-19治疗目标发现,并以大量的利润来超过基线快速文本方法。
主要关键词
![arxiv:2007.15681v2 [CS.CL] 2020年11月9日PDF文件第1页](/bimg/e/ed7c08e971403246d8251dd7fcf2c08411291de8.webp)
![arxiv:2007.15681v2 [CS.CL] 2020年11月9日PDF文件第2页](/bimg/7/719e47d87398932b9034e80000866dd0daef0af6.webp)
![arxiv:2007.15681v2 [CS.CL] 2020年11月9日PDF文件第3页](/bimg/2/203a5a2b66abfc7417dd62662d7d268bc176349d.webp)
![arxiv:2007.15681v2 [CS.CL] 2020年11月9日PDF文件第4页](/bimg/4/4e6a896dd5df778bd0542617db21bd462f5880c1.webp)
![arxiv:2007.15681v2 [CS.CL] 2020年11月9日PDF文件第5页](/bimg/4/4a4d7cd14c08bade25e4fd6989f60f06cdb0e201.webp)
