与SARS-CoV-2和COVID-19相关的生物医学自然语言处理的英文词典、黄金标准和白银标准语料库
摘要：自然语言处理（NLP）工具的自动化信息提取在从大量的COVID-19出版物、报告和社交媒体帖子中获得系统洞见时是必需的，这远远超出了人类的处理能力。NLP面临的一个关键挑战是术语的广泛变化，用于描述医学实体，这在这种新出现的疾病中尤为明显。在这里，我们提出了一个NLP工具包，包括非常大的SARS-CoV-2（包括变种名称）和COVID-19的英语同义词词典，可以与基于词典的NLP工具一起使用。我们还提供了使用这些词典生成的银标准语料库以及由PubMed摘要手动注释为疾病、病毒、症状、蛋白质/基因、细胞类型、化学物质和物种词汇的金标准语料库，可用于训练和评估与COVID-19相关的NLP工具。还包括了可用于扩展银标准语料库或文本挖掘的注释代码。该工具包可以在GitHub（https://github.com/Aitslab/corona）和zenodo（https://doi.org/10.5281/zenodo.6642275）上免费获取。该工具包可用于与COVID-19危机相关的各种文本分析任务，并已被用于创建COVID-19知识图谱、研究COVID-19相关术语的可变性和演变以及开发和评估文本挖掘工具。
作者：Salma Kazemi Rashed, Rafsan Ahmed, Johan Frid, Sonja Aits
论文ID：2003.09865
分类：Other Quantitative Biology
分类简称：q-bio.OT
提交时间：2022-06-15