清華新聞網(wǎng)6月10日電 近日，清華大學(xué)計(jì)算機(jī)系A(chǔ)Miner團(tuán)隊(duì)和智譜.AI團(tuán)隊(duì)構(gòu)建了一個(gè)大規(guī)模、結(jié)構(gòu)化、中英文雙語(yǔ)的新冠知識(shí)圖譜(COKG-19)。COKG-19旨在幫助發(fā)布者和科研人員識(shí)別和鏈接文本中的語(yǔ)義知識(shí)，并提供更多智能服務(wù)和應(yīng)用。目前，COKG-19包含了505個(gè)概念、393個(gè)屬性、26282個(gè)實(shí)例和32352個(gè)知識(shí)三元組，覆蓋了醫(yī)療、健康、物資、防控、科研和人物等。
疫情暴發(fā)初期，OpenKG（openkg.cn）公布了新冠知識(shí)專(zhuān)題，其中包括了8個(gè)獨(dú)立的人工或半人工整理的知識(shí)圖譜，涉及健康、防控、流行病、百科、人物、醫(yī)療、物資、事件、科研等方面。然而這些知識(shí)圖譜規(guī)模不一，質(zhì)量不一，且存在重疊和不一致等情況。
團(tuán)隊(duì)首先通過(guò)語(yǔ)義匹配和排歧方法，將相同含義的概念進(jìn)行合并，將同名不同義的概念進(jìn)行區(qū)分。其次，根據(jù)相關(guān)專(zhuān)家的意見(jiàn)對(duì)排歧合并后的概念間關(guān)系進(jìn)行修正和補(bǔ)充，例如刪除冗余概念、細(xì)分病毒等專(zhuān)業(yè)子類(lèi)、修正疾病的子類(lèi)等。最后得到的COKG-19概念層共包含505個(gè)概念，其中頂層概念為22個(gè)(疾病、癥狀、藥物、醫(yī)療設(shè)備、病毒、防控等)，大致可劃分為生物學(xué)、流行病學(xué)和通用百科三個(gè)方向。對(duì)于屬性的排歧與合并也采取類(lèi)似的語(yǔ)義融合方法處理，并將不同domain和range的概念進(jìn)行區(qū)分，共包含393個(gè)屬性。
COKG-19第一版構(gòu)建流程
COKG-19第二版構(gòu)建流程
COKG-19的應(yīng)用除了可作為基礎(chǔ)的科研用知識(shí)數(shù)據(jù)庫(kù)之外，還可以提供實(shí)體鏈接和知識(shí)檢索等功能。融合多種知識(shí)數(shù)據(jù)之后，COKG-19為更深層次的知識(shí)挖掘提供了非常豐富的知識(shí)數(shù)據(jù)基礎(chǔ)。COKG-19知識(shí)圖譜的構(gòu)建充分利用了開(kāi)源社區(qū)（OpenKG等）和領(lǐng)域?qū)＜业牧α浚瑫r(shí)又應(yīng)用了實(shí)體識(shí)別、語(yǔ)義消岐、知識(shí)融合等多種自然語(yǔ)言處理和機(jī)器學(xué)習(xí)算法，充分展現(xiàn)了AI+大數(shù)據(jù)技術(shù)在快速應(yīng)對(duì)疫情過(guò)程中的廣泛作用。
COKG-19中包含的關(guān)鍵實(shí)體間關(guān)聯(lián)關(guān)系
AMiner是清華大學(xué)計(jì)算機(jī)系研發(fā)的科技情報(bào)大數(shù)據(jù)挖掘與服務(wù)系統(tǒng)平臺(tái)，該系統(tǒng)2006年上線(xiàn)，吸引了全球220個(gè)國(guó)家和地區(qū)的1000多萬(wàn)獨(dú)立IP訪(fǎng)問(wèn)，數(shù)據(jù)下載量230萬(wàn)次，年度訪(fǎng)問(wèn)量超過(guò)1100萬(wàn)，已成為學(xué)術(shù)搜索和社會(huì)網(wǎng)絡(luò)挖掘研究的重要數(shù)據(jù)和實(shí)驗(yàn)平臺(tái)。
智譜.AI是清華控股旗下的人工智能（AI）科技公司，旨在打造先進(jìn)的認(rèn)知計(jì)算引擎，為研究和創(chuàng)新領(lǐng)域提供強(qiáng)大的數(shù)據(jù)支持和后臺(tái)服務(wù)。智譜.AI致力于通過(guò)利用其在超大規(guī)模網(wǎng)絡(luò)分析、深度隱含語(yǔ)義挖掘和認(rèn)知推理等技術(shù)方面的優(yōu)勢(shì)，幫助解決研究機(jī)構(gòu)及政府機(jī)構(gòu)當(dāng)前面臨的學(xué)術(shù)挑戰(zhàn)及社會(huì)熱點(diǎn)問(wèn)題。
供稿：計(jì)算機(jī)系
編輯：李晨暉
審核：程曦
