Recent transformer-based approaches demonstrate promising results on relational scientific information extraction. Existing datasets focus on high-level description of how research is carried out. Instead we focus on the subtleties of how experimenta
l associations are presented by building SciClaim, a dataset of scientific claims drawn from Social and Behavior Science (SBS), PubMed, and CORD-19 papers. Our novel graph annotation schema incorporates not only coarse-grained entity spans as nodes and relations as edges between them, but also fine-grained attributes that modify entities and their relations, for a total of 12,738 labels in the corpus. By including more label types and more than twice the label density of previous datasets, SciClaim captures causal, comparative, predictive, statistical, and proportional associations over experimental variables along with their qualifications, subtypes, and evidence. We extend work in transformer-based joint entity and relation extraction to effectively infer our schema, showing the promise of fine-grained knowledge graphs in scientific claims and beyond.
إنّ الهدف الأساسي من هذا البحث :
هو تحديد العلامات الجينية لفيروس الالتهاب الكبدي الوبائي (B ) يسمى اختصارا ً ب (HBV ) والذي يكون مرتبط بشكل رئيسي بسرطان الكبد (HCC) وذلك عن طريق ميّزة استخراج المعلومات المفيدة من البيانات كبيرة الحجم التي
تمثل العنصر الرئيسي في مجال المعلوماتيّة الحيويّة Bioinformatics وبشكل رئيسي يتم ذلك من تطوير فكرة مقارنة سلاسل DNA الكاملة ل HBV مع السلاسل الموجودة لدى المرضى الذين يعانون من السرطان الكبدي الوبائي و كذلك المرضى اللذين لا يعانون منه .
إنّ إطار التنقيب عن البيانات data mining framework (الذي نقصد به ِ؛ جمع وتحليل كميّات كبيرة من البيانات لإيجاد علاقة منطقية فيما بينها بحيث تلخّص هذه البيانات بطريقة جيّدة ) يتضمن تحليل التطور الجيني molecular evolution analysis وعملية العنقدة clustering و feature selection وتعليم المصنف classifier learning وعملية التصنيف classification حيثُ سيتم توضيح كيفيّة توظيفها جميعا ً في هذا البحث.
