[论文解读] AWS CORD19-Search: A Scientific Literature Search Engine for COVID-19

Parminder Bhatia, Kristjan Arumae+8 more|arXiv (Cornell University)|Jul 17, 2020

Topic Modeling参考文献 14被引用 12

一句话总结

AWS CORD-19 搜索（ACS）是一款基于机器学习的公共搜索引擎，旨在帮助研究人员和政策制定者高效检索与新冠疫情相关的科学文献。它支持基于主题、自然语言以及阅读理解风格的查询，显著提升了在疫情期间发现复杂科学问题高优先级答案的能力。

ABSTRACT

Coronavirus disease (COVID-19) has been declared as a pandemic by WHO with thousands of cases being reported each day. Thousands of scientific articles are being published on the disease raising the need for a service which can organize, and query them in a reliable fashion. To support this cause, we present AWS CORD-19 Search (ACS), a public COVID-19 specific search engine that is powered by machine learning. ACS with its capabilities such as topic based, natural language search queries, and reading comprehension and FAQ matching provides a scalable solution to COVID-19 researchers and policy makers in their search and discovery for answers to high priority scientific questions. We present evaluation and qualitative analysis of the system with specific examples to illustrate the capabilities of the system.

研究动机与目标

• 为应对新冠疫情研究中日益严重的资讯过载挑战，实现高效、可靠且可扩展的文献发现。
• 支持研究人员和政策制定者快速、准确地找到高优先级科学问题的答案。
• 提供一个公开、可访问的搜索系统，利用自然语言处理和机器学习技术提升科学查询的理解能力。
• 通过主题建模、阅读理解以及常见问题匹配等技术，超越传统的关键词匹配，增强搜索能力。

提出的方法

• 该系统基于 CORD-19 数据集构建，该数据集是包含大量与新冠疫情相关的科学文献的综合性集合。
• 采用机器学习模型支持基于主题和自然语言的查询，实现在科学文本上的语义搜索。
• 集成阅读理解与常见问题匹配组件，以精确检索复杂问题的答案。
• 系统架构支持可扩展的索引与检索，确保用户查询的低延迟响应。
• 采用基于嵌入的检索方法，将查询与文档映射到共享向量空间，实现语义相似度匹配。

实验结果

研究问题

• RQ1 在新冠疫情快速演变的背景下，搜索引擎如何有效检索复杂、高优先级问题的相关科学文献？
• RQ2 与基于关键词的方法相比，自然语言和基于主题的查询在提升科学文献检索的精确率与召回率方面能达到何种程度？
• RQ3 阅读理解与常见问题匹配组件能否提升针对特定科学问题的答案检索准确性？
• RQ4 该系统在涵盖研究人员与政策制定者等多样化用户需求的真实场景中表现如何？

主要发现

• 系统通过自然语言查询实现了相关科学文献的高效检索，显著提升了非专业用户的应用体验。
• 基于主题的搜索功能使用户能够探索相关研究集群，增强了跨学科洞察的发现能力。
• 阅读理解与常见问题匹配组件成功检索到复杂、问题特定查询的精确答案。
• 定性分析表明，该系统在疫情背景下能够有效呈现高质量、相关的结果，应对关键科学问题。