Into the Single Cell Multiverse: an End-to-End Dataset for Procedural Knowledge Extraction in Biomedical Texts
本研究の学術的背景と問いは、自然言語処理（NLP）による情報抽出の課題にあります。自然言語処理を使ってたくさんの情報抽出タスクが行われていますが、それらは宣言的知識、つまり事実に基づいた情報抽出の評価と見なすことができます。一方で、所定のプロセスを一連のステップに分解する手続き的知識抽出は、エンドツーエンドで知識抽出プロセスを捉える構造化されたデータセットの欠如のため、あまり注目されていません。そこで問いは、どのようにして手続き的知識を抽出し、構造化するのかとなります。
本研究の目的は、「FlaMBé」（Flow annotations for Multiverse Biological entities）という新しいデータセットを提供し、生物医学テキストにおける手続き的知識を捉えることです。このデータセットは、手続き的知識の一つである、研究方法を記述している学術論文からの知識抽出プロセスをエンドツーエンドで記録することによって構築されています。これによって、手続き的知識抽出のためのNLPモデルの開発を可能にし、生物医学研究の再現性を進展させることが期待されます。
本研究は、手続き的知識とその抽出方法により焦点を当てることで、自然言語処理に別の視点を提供する試みとして位置づけられます。
本研究では、専門家がキュレーションしたデータセットを通じて、生物医学テキストの中の手続き的知識を捕捉する「FlaMBé」という新しいデータセットを提供しました。その中でも、手続き的知識の一つとして、複雑なワークフローが用いられる急速に成長している単一細胞研究の分野からテキストを選択しています。さらに、FlaMBéは、ティッシュ/細胞タイプの名前（NER）と難波舞台（NED）データセットを提供します。これは、生物医学研究領域での知識抽出において重要な生物学的エンティティです。
本研究の有効性は、FlaMBéを用いることで、NLPモデルが手続き的知識抽出をより効果的に行えると考えれます。また、このデータセットを用いることで、ワークフローのマイニングを自動化することが可能となり、これは生物医学研究の再現性を進展させる貢献が期待できます。
この記事が気に入ったらサポートをしてみませんか？