Can Large Language Models Augment a Biomedical Ontology with missing Concepts and Relations?
University of Haifa(海法大学);Aalborg University(奥尔堡大学);Poznan University of Technology(波兹南工业大学)
本研究探索利用大型语言模型半自动扩充生物医学本体SNOMED-CT,通过对话交互分析临床指南以发现缺失概念及其关系,初步实验验证了方法的可行性。
2023-11-12 cs.AI cs.CL
Semantic Search for Large Scale Clinical Ontologies
The Australian E-Health Research Centre, CSIRO(澳大利亚电子健康研究中心,联邦科学与工业研究组织)
当查询使用不同的词汇表时,在大型临床本体中查找概念可能具有挑战性。克服这个问题的搜索算法在诸如概念规范化和本体匹配的应用中是有用的,其中概念可以使用不同的同义词以不同的方式被引用。在本文中,我们提出了一种基于深度学习的方法来构建大型临床本体的语义搜索系统。我们提出了一个Triplet-BERT模型和一种直接从本体生成训练数据的方法。该模型使用五个真实的基准数据集进行评估,结果表明,我们的方法在自由文本到概念和概念到概念搜索任务上都取得了很高的结果,并且优于所有基线方法。
2022-01-01 cs.CL cs.IR cs.LG
Language Model Analysis for Ontology Subsumption Inference
University of Oxford(牛津大学);The University of Manchester(曼彻斯特大学);City, University of London(伦敦城市大学);University of Oslo(奥斯陆大学)
本文提出OntoLAMA探测任务和数据集,评估预训练语言模型在本体包含推理上的知识,发现其背景知识少于NLI,但少量样本可显著提升性能。
2023-05-08 cs.AI cs.CL cs.LO
On the Merging of Domain-Specific Heterogeneous Ontologies using Wordnet and Web Pattern-based Queries
Faculty of Information Technology(信息技术学院);Faculty of Computer Science(计算机科学学院);Monash University(莫纳什大学);University of Lyon(里昂大学)
本体构成了各种计算机科学学科的基本兴趣,如语义网,信息检索,数据库设计等,它们旨在提供一个正式的,明确的和共享的概念化和不同社区之间的共同领域的理解。此外,它们允许明确定义特定领域的概念及其约束。然而,本体开发的分布式特性和本体工程师观点的差异导致了本体之间的“语义异构性”。语义异构性是实现本体间互操作性的主要障碍。为了克服这一障碍,我们提出了一个多用途的框架,利用WordNet通用知识库:i)发现和纠正不正确的语义关系的概念之间的本体在一个特定的领域。该步骤是本体合并的一个基本步骤。ii)通过计算概念之间的语义关系来合并特定领域的本体。㈢通过在网上获取统计资料,处理WordNet中缺少概念的问题。4.用这些缺失的概念丰富WordNet。一个实验性的框架实例和比较国家的最先进的语法和语义为基础的系统验证我们的建议。
2020-04-30 cs.AI cs.CL cs.IR
ConceptX: A Framework for Latent Concept Analysis
Qatar Computing Research Institute(卡塔尔计算研究所);Faculty of Computer Science, Dalhousie University(达尔豪斯大学计算机学院);School of Engineering and Science, Steven Institute of Technology(史蒂文斯理工学院工程与科学学院)
深度神经网络的不透明性仍然是部署解决方案的一个挑战,其中解释与精度同样重要。我们提出了ConceptX,一个用于解释和注释预训练的语言模型(pLM)中的潜在表征空间的人在回路框架。我们使用一种无监督的方法来发现在这些模型中学习到的概念,并为人类提供一个图形界面来生成对概念的解释。为了促进这一过程,我们提供了概念的自动注释(基于传统的语言本体)。这样的注释使得能够开发直接表示在深度NLP模型中学习的潜在概念的语言资源。这些概念不仅包括传统的语言概念,还包括特定于任务或敏感的概念(根据性别或宗教内涵分组的单词),这些概念有助于注释者标记模型中的偏见。该框架由两部分组成:(i)概念发现和(ii)注释平台。
2022-11-12 cs.CL
Enriching very large ontologies using the WWW
本文探讨了利用万维网上的文本,以丰富现有的本体中的概念的可能性。首先,描述了从WWW检索与概念相关的文档的方法。这些文档集合用于1)为WordNet中的每个概念构建主题签名(主题相关单词的列表),以及2)构建词汇化给定单词的概念(单词含义)的分层集群。总体目标是克服WordNet的两个缺点:概念之间缺乏主题链接,以及意义的扩散。主题签名在词义消歧任务上进行了验证,取得了良好的效果,当使用层次聚类时,效果有所改善。
2000-10-17 cs.CL
WS4A: a Biomedical Question and Answering System based on public Web Services and Ontologies
Universidade de Lisboa(里斯本大学)
本文描述了我们的系统,称为WS 4A(Web Services for All),参加了第四版BioASQ挑战赛(2016年)。我们使用WS 4A来执行问题和查询(QA)任务4 b,该任务包括检索相关概念、文档、片段、RDF三元组、每个给定问题的精确答案和理想答案。在我们的方法的新颖性在于最大限度地利用现有的Web服务在WS 4A的每一步,如文本的注释,检索元数据的每个注释。检索到的信息包括概念标识符、本体、祖先,最重要的是PubMed标识符。本文描述了WS 4A管道,并给出了在任务4 b中获得的精确度,召回率和f-测量值。我们的系统在五个批次之一的两个子任务中获得了两个第二名。
2016-11-17 cs.CL cs.IR
Building Large Lexicalized Ontologies from Text: a Use Case in Automatic Indexing of Biotechnology Patents
INRA(法国国家农业研究院)
本文介绍了一个工具,TyDI,并在建立一个术语本体,即一个词汇化的本体,旨在细粒度的索引语义搜索应用程序的方法进行了实验。TyDI为知识工程师和领域专家提供了有效协作的工具,以验证,组织和概念化语料库提取的术语。一个生物技术专利搜索的用例展示了TyDI的潜力。
2020-10-02 cs.AI cs.CL cs.IR
Learning Vague Concepts for the Semantic Web
University of Edinburgh(爱丁堡大学)
本体可以是一个强大的工具,结构化的知识,他们目前是广泛的研究课题。更新一个本体的内容或提高它与其他本体的互操作性是一个重要但困难的过程。在本文中,我们专注于模糊概念的存在,这是普遍存在于自然语言,在形式本体的框架内。我们将采用一个框架,在这个框架中,通过可以自动调整的数字限制来捕获复杂性。由于更新模糊的概念,无论是通过本体对齐或本体进化,可能会导致不一致的公理集,我们定义并实现了一种方法来检测和修复这种不一致的地方时尚。
2014-10-19 cs.AI cs.CL
AliCoCo: Alibaba E-commerce Cognitive Concept Net
Alibaba Group(阿里巴巴集团);Shanghai Jiao Tong University(上海交通大学)
电子商业平台的最终目标之一是满足客户的各种购物需求。为了实现这一目标,在电子商业中,许多努力都致力于创建分类或本体。然而,电子商业中的用户需求仍然没有很好地定义,并且现有的本体都没有足够的深度和广度来理解普遍的用户需求。两者之间的语义鸿沟阻碍了购物体验变得更加智能。本文提出构建一个名为“AliCoCo”的大规模电子商业认知概念网,并在全球最大的中文电子商业平台阿里巴巴上进行实践。我们在电子商业中正式定义用户需求,然后将其概念化为网络中的节点。我们详细介绍了AliCoCo是如何半自动构建的,以及它在电子商业中的成功、持续和潜在的应用。
2020-03-30 cs.CL cs.IR
Assessing Semantic Annotation Activities with Formal Concept Analysis
本文提出基于形式概念分析评估语义标注活动的方法,通过概念格可视化本体使用情况,帮助专家指导标注者并优化本体,已在@note中实现并验证。
2025-01-19 cs.CL
On the Combined Use of Extrinsic Semantic Resources for Medical Information Search
Arab American University(阿拉伯美国大学);University of Lyon(里昂大学);University of Sharjah(沙迦大学)
编码在特定领域本体和其他医学语义资源中的语义概念和关系在解读医学查询和文档中的术语方面起着至关重要的作用。利用这些资源来解决语义鸿沟问题已经在文献中得到了广泛的研究。然而,存在阻碍其在现实世界应用中广泛使用的挑战。这些挑战之一是现有医学本体中单独编码的知识不足,当用户使用冗长的自然语言查询来表达他们的信息需求时,这种情况会被放大。在这种情况下,许多用户的查询条件是无法识别所使用的本体,或导致检索误报,降低当前的医疗信息搜索方法的质量。在这篇文章中,我们探索了在开发一个成熟的医学信息搜索框架时多个外部语义资源的组合,以:i)在详细的医疗查询中突出和扩展主要医疗概念(即,查询项中的对给定查询的信息性和意图有显著贡献的概念),ii)构建语义增强的倒排索引文档,iii)有助于查询文档匹配过程中的加权技术。为了证明所提出的方法的有效性,我们在CLEF eHealth 2014数据集上进行了多项实验。研究结果表明,所提出的方法相结合的几个外部语义资源被证明是更有效的比相关方法的精度措施。
2020-05-17 cs.CL cs.IR
Building Ontologies to Understand Spoken Tunisian Dialect
University of Sfax(斯法克斯大学)
本文提出了一种基于词汇语义的突尼斯方言口语理解方法。这种方法考虑到突尼斯方言的特殊性,因为它没有语言处理工具。该方法是基于本体的,它允许利用本体概念进行语义标注和本体关系进行语音解释。这种结合提高了理解速度,限制了对语言资源的依赖。本文还详细介绍了在受限领域对话系统的语音理解背景下,构建用于突尼斯方言注释和解释的本体的过程。
2011-09-03 cs.CL
Ontology Enrichment from Texts: A Biomedical Dataset for Concept Discovery and Placement
University of Oxford(牛津大学);The University of Manchester(曼彻斯特大学)
针对现有数据集在知识库外概念发现、上下文缺失及复杂概念放置上的不足,提出基于MedMentions和SNOMED CT的生物医学基准,用于概念发现与放置,并适配大语言模型方法。
2023-09-01 cs.CL
Document Structure aware Relational Graph Convolutional Networks for Ontology Population
RV College of Engineering(RV工程学院);IBM Research(IBM研究院);IIT Guwahati(印度理工学院古瓦哈蒂分校)
本体包括概念、它们的属性和关系,在许多基于知识的人工智能系统中使用。虽然有努力对特定领域的本体填充,我们研究的文件结构中学习的任何文档语料库中的概念之间的本体关系的作用。受上位词发现和可解释性的启发,我们的方法比独立的R-GCN模型更准确约15点。
2022-04-13 cs.AI cs.CL
Classifying Organizations for Food System Ontologies using Natural Language Processing
University of Utah(犹他大学);University of Ottawa(渥太华大学);University of California, Davis(加州大学戴维斯分校);University of Milan(米兰大学);IC-FOODS
本文研究利用自然语言处理方法自动对组织进行分类,以构建知识图谱并与食品系统本体集成,实验表明该方法在环境问题类别和SIC代码分类任务上性能良好,具有广泛适用性。
2023-09-19 cs.AI cs.CL cs.CY
Text-to-SQL Task-oriented Dialogue Ontology Construction
Heinrich Heine University Düsseldorf(海因里希-海涅大学杜塞尔多夫)
TeQoDO通过LLM自主构建面向任务的对话本体,结合模块化TOD系统概念,提升对话系统的可解释性和可控性。
2025-12-19 cs.AI cs.CL cs.DB
Semi-Automatic Construction of a Domain Ontology for Wind Energy Using Wikipedia Articles
TÜBİTAK Energy Institute(土耳其科学技术研究理事会能源研究所);Middle East Technical University(中东技术大学)
领域本体是知识系统的重要信息源。然而,从头开始构建领域本体是一个非常劳动密集型的过程。在这项研究中,我们提出了我们的半自动的方法来建立一个本体论的领域,风能是一种重要的可再生能源,在世界各地的发电份额越来越大。相关的维基百科文章首先以自动化的方式进行处理,以确定域的基本概念及其属性,然后组织概念,属性和关系以达到最终的本体。我们还提供了其他工程本体的指针,可以与拟议的风能本体一起使用,除了其潜在的应用领域。目前的研究是有意义的,据我们所知,它提出了第一个相当广泛的覆盖面本体的风能领域和本体是通过一个半自动的过程,利用相关的Web资源,从而降低了本体建设过程的整体成本。
2014-10-30 cs.CE cs.CL
Low Resource Recognition and Linking of Biomedical Concepts from a Large Ontology
Chan Zuckerberg Initiative(陈·扎克伯格倡议);University of Massachusetts(马萨诸塞大学)
探索科学文献的工具对科学家来说是必不可少的,特别是在生物医学领域,每年大约有一百万篇新论文发表。许多这样的工具为用户提供了通过跟踪论文中提及的特定实体(例如蛋白质、疾病)来搜索它们的能力。PubMed是最知名的生物医学论文数据库,它依赖于人类管理员来添加这些注释。这可能需要几个星期的新文件,并不是所有的文件得到标记。已经开发了机器学习模型来促进科学论文的语义索引。然而,他们的性能更全面的生物医学概念的本体没有达到典型的实体识别问题的水平,在自然语言处理研究。这在很大程度上是由于它们的资源少,其中本体很大,缺乏定义大多数实体的描述性文本,并且标记数据只能覆盖本体的一小部分。在本文中,我们开发了一个新的模型,通过(1)推广到训练时看不见的实体,以及(2)将链接预测纳入提及分割决策来克服这些挑战。我们的方法在传统的识别/链接(+8 F1点)以及基于语义索引的评估(+10 F1点)中为UMLS本体实现了新的最先进的结果。
2021-01-27 cs.CL
Extracting Linguistic Resources from the Web for Concept-to-Text Generation
Athens University of Economics and Business(雅典经济与商业大学)
许多概念到文本生成系统需要特定领域的语言资源来生成高质量的文本,但手动构建这些资源可能是繁琐和昂贵的。专注于NaturalOWL,一个公开可用的最先进的自然语言生成器的OWL本体,我们提出的方法来提取从Web句子计划和自然语言名称,两个最重要的类型的特定领域的语言资源所使用的生成器。实验表明,使用我们的方法以半自动的方式提取的语言资源生成的文本,以最小的人类参与,被认为是几乎一样好的文本使用手动创作的语言资源生成的,并远远优于使用从本体的关系和实体标识符提取的语言资源产生的文本。
2018-10-31 cs.CL
Effective Feature Representation for Clinical Text Concept Extraction
Roam Analytics;Carnegie Mellon University(卡内基梅隆大学);Stanford University(斯坦福大学)
关于医疗保健实践的关键信息仅以自由形式的文本记录,这为高影响力的NLP创造了巨大的机会。然而,带注释的医疗数据集往往很小,而且获取成本很高,这就提出了如何最有效地利用可用数据的问题。为此,我们开发了一个LSTM-CRF模型,用于将来自公共医疗保健本体的无监督单词表示和手工构建的特征表示相结合。我们表明,这种组合模型在五种不同类型的医疗保健文本(临床,社会,科学,商业)的数据集上具有优异的性能。每一个都涉及到复杂的标签,多词跨度,挑选出不同的医疗保健概念。我们还介绍了一种新的标记数据集,用于识别药物和疾病之间的治疗关系。
2019-04-05 cs.CL
Semantic Alignment of AI Models: Concept Collapse, Checkpoint Dynamics, and Cross-Lingual Transfer
该研究针对语言模型基准测试的难点,提出用拓扑方法将模型高维嵌入空间与可解释基线严格比较,以实现多模态对齐,追踪模型适应并测试跨语言短语理解。
2026-08-04 cs.CL cs.LG