[論文レビュー] Covidia: COVID-19 Interdisciplinary Academic Knowledge Graph

Cheng Deng, Jiaxin Ding+4 more|arXiv (Cornell University)|Apr 14, 2023

Biomedical Text Mining and OntologiesBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

Covidiaは、生物学、医学、コンピュータサイエンス、社会学など、多様な分野にまたがる150万件の論文を統合した大規模かつ多分野にわたる学術的知識グラフである。対照的学習を用いた多ラベル論文分類、BERTベースのエンティティおよび関係抽出、および新規のオントロジー方式により、分野を越えた知識統合を可能にし、コミュニティ発見およびリンク予測のベンチマークを高精細な検索を伴って実施する。

ABSTRACT

The pandemic of COVID-19 has inspired extensive works across different research fields. Existing literature and knowledge platforms on COVID-19 only focus on collecting papers on biology and medicine, neglecting the interdisciplinary efforts, which hurdles knowledge sharing and research collaborations between fields to address the problem. Studying interdisciplinary researches requires effective paper category classification and efficient cross-domain knowledge extraction and integration. In this work, we propose Covidia, COVID-19 interdisciplinary academic knowledge graph to bridge the gap between knowledge of COVID-19 on different domains. We design frameworks based on contrastive learning for disciplinary classification, and propose a new academic knowledge graph scheme for entity extraction, relation classification and ontology management in accordance with interdisciplinary researches. Based on Covidia, we also establish knowledge discovery benchmarks for finding COVID-19 research communities and predicting potential links.

研究の動機と目的

• 生物学、医学、コンピュータサイエンス、社会科学の分野にまたがるCOVID-19研究の断片化を是正し、多分野にわたる知識統合を図ること。
• 既存の文献プラットフォームが生物医学系の出版物に限定されているという限界を克服し、全COVID-19論文の48％を含まない現状を改善すること。
• 多分野にわたるエンティティ抽出、関係分類、および分野分類を支援する統合された学術的知識グラフの開発。
• 構造的で意味論的に豊富な表現を用いて、分野を越えた情報検索および知識発見を効果的に行える仕組みの構築。
• 多分野にわたる研究ネットワークにおけるコミュニティ検出およびリンク予測のベンチマークの確立。

提案手法

• 対照的学習に基づく多ラベル論文分類モデルを提案し、論文を複数の分野に割り当てることで、分野を越えた分類精度を向上させる。
• Wikipediaとの整合性を向上させたBERTベースのエンティティ抽出モデルを導入し、分野固有の意味を捉え、オープンドメインへの適応性を向上させる。
• セグメント埋め込みを用いた関係抽出モデルを採用し、多分野の文脈における抽出エンティティ間の関係を同定する。
• 二重層構造の新規な学術的知識グラフスキーマを設計：オントロジー（概念および関係）とインスタンス（論文、エンティティ、文献情報データ）が共有参照によってリンクされる。
• 地理的・時間的情報を表現するためにgeohashを用い、OWL:sameAs公理を用いて内部エンティティを外部知識ベースにリンクする。
• 文献情報データを用いて、共同著者、引用、著者-論文、論文-著者ネットワークの4つの社会科学的ネットワークを構築し、ネットワーク科学的分析を実施する。

実験結果

リサーチクエスチョン

• RQ1 生物学および医学を越えて多分野にまたがるCOVID-19研究論文を、特に複数の分野にまたがる文脈で効果的に分類するにはどうすればよいか？
• RQ2 異種の学術分野において、正確で文脈に即したエンティティおよび関係抽出を実現する技術は何か？
• RQ3 多様な分野からのエンティティおよび関係を統合する統一された知識グラフは、どのようにして分野固有の意味を保持しつつ構築できるか？
• RQ4 COVID-19の文脈における多分野にわたる研究ネットワークの構造的および統計的特性は何か？
• RQ5 知識グラフは、コミュニティ検出やリンク予測といった知識発見タスクをどの程度効果的に支援できるか？

主な発見

• Covidiaは150万件のCOVID-19研究論文を統合しており、そのうち48％が生物医学系以外の出典由来である。これは、多分野にわたる知識プラットフォームの必要性を浮き彫りにする。
• 対照的学習に基づく分類モデルは、多様な分野にわたる論文の多ラベル分類を向上させ、正確な分野タグ付けを可能にする。
• Wikipediaとの整合性を向上させたBERTベースのエンティティ抽出モデルは、オープンドメインにおいて分野固有のエンティティを高精度で同定する。
• 知識グラフは、1ホップ（例：特定の知識ポイントを含む論文）、2ホップ（例：ある分野における図解）、3ホップ（例：所属機関が研究した場所）といった複雑なクエリをサポートするが、これは標準的な検索エンジンでは回答不能である。
• ネットワーク解析により、共同著者、引用、著者-論文ネットワークにパワーロウ法則の次数分布が見られ、α値は1.377から1.511の範囲にあり、スケールフリーネットワークの特徴を示している。
• 本システムはコミュニティ検出およびリンク予測のベンチマークを提供し、研究コミュニティの同定および隠れた多分野にわたる関係の解明に有効であることが示された。