从文献中自动识别生物信息学软件命名实体

arXiv cs.CL 论文
bioinformatics named-entity-recognition software-databases transformers hybrid-framework scientific-literature

摘要

SNAIL 是一个混合命名实体识别框架，能够自动从科学文献中识别生物信息学软件和数据库名称，性能超越现有方法，并支持大规模工具使用分析。

arXiv:2608.19201v1 Announce Type: new 摘要：生物信息学软件和数据库是现代生命科学研究的重要组成部分，但其在科学文献中的提及往往不一致，且难以系统性地大规模识别。缺乏全面且最新的生物信息学资源目录阻碍了自动化生物医学知识提取和简化数据分析的努力。本文介绍SNAIL，一个混合命名实体识别框架，旨在从生物医学文本中自动识别生物信息学软件和数据库（SW/DB）名称。SNAIL集成了互补的词汇和语义建模策略。词汇组件捕获SW/DB名称特有的正字法模式和上下文线索，而语义组件利用基于Transformer的语言模型（如SciBERT）生成的上下文嵌入，并结合显式的令牌掩码策略以增强实体聚焦的表示。一个大型训练语料库通过混合管道自动构建，该管道整合了引用提示提取和大语言模型辅助蒸馏。在两个独立基准数据集和实际研究文章上的评估表明，SNAIL显著优于现有方法，包括特定领域方法如bioNerDS2和通用大语言模型如ChatGPT、Gemini、Grok和Claude。将SNAIL应用于大规模文献分析进一步揭示了生物信息学不同子领域中期刊级别的偏好差异。这些结果证明，SNAIL为识别科学文本中的生物信息学资源提供了准确且可扩展的解决方案，并能够对工具使用和研究趋势进行系统的元分析。
查看原文
查看缓存全文

缓存时间: 2026/08/21 09:56 

# 从文献中自动识别生物信息学术语实体
来源：https://arxiv.org/abs/2608.19201
查看PDF (https://arxiv.org/pdf/2608.19201)

> 摘要：生物信息学软件和数据库是现代生命科学研究的重要组成部分，但其在科学文献中的表述常不一致，且难以大规模系统化识别。生物信息学资源缺乏全面且更新的目录，阻碍了自动化生物医学知识提取与高效数据分析的进展。本文提出SNAIL——一种混合型命名实体识别框架，可自动从生物医学文本中识别生物信息学软件与数据库（SW/DB）名称。SNAIL整合了互补的词法与语义建模策略：词法组件捕捉SW/DB名称特有的字形模式与上下文线索，语义组件则利用基于Transformer的语言模型（如SciBERT）生成的上下文嵌入，并结合显式令牌掩码策略以增强实体聚焦表征。通过整合引文线索提取与大语言模型辅助蒸馏的混合流程，自动构建了大规模训练语料库。在两个独立基准数据集和真实研究论文上的评估表明，SNAIL显著优于现有方法，包括生物领域专用方法（如bioNerDS2）及通用大语言模型（如ChatGPT、Grok和Claude）。将SNAIL应用于大规模文献分析进一步揭示了生物信息学子领域在期刊层面的显著偏好差异。这些结果证明SNAIL为科学文本中生物信息学资源的识别提供了准确、可扩展的解决方案，并支持对工具使用与研究趋势的系统性元分析。

## 提交历史
来自：轩浩 [查看邮件 (https://arxiv.org/show-email/631442e4/2608.19201)] **[版本1]** 2026年6月5日（周五）02:07:30 UTC (1,685 KB)

相似文章

SALSA: 半自主文献摘要助手

arXiv cs.CL

SALSA是一个开源的人机协同平台，融合了人工智能与用户干预，从多模态科学文献中提取结构化数据集，专注于材料研究。

通过多编程语言指令微调与集成方法提升生物医学命名实体识别

arXiv cs.CL

MITE 将生物医学命名实体识别重构为结构到结构的生成任务，使用多种编程语言格式（Python、C++、Java）来表示指令与实体输出，并在推理阶段通过实体级别投票来提升鲁棒性。在六个 BioNER 数据集上的实验表明，该方法优于基于 BERT 和 LLM 的基线方法，并展现出较强的跨数据集泛化能力。

SANE：面向生物数据的模式感知自然语言评估框架

arXiv cs.CL

SANE 是一种新颖的模式感知评估范式，专为生物/药理学数据集的自然语言（文本转SQL）查询而设计，能够基于真实实验模式自动生成基准测试。研究表明，采用结构化提示的少样本 LLM 无需微调即可实现准确的 SQL 生成，大多数失败案例源于输入歧义，而非查询生成错误。