cord19q

cord19q: Analyse des offenen Forschungsdatensatzes zu COVID-19 (CORD-19).

Dieses Repository ist ein Archiv der im Rahmen der CORD-19-Herausforderung im Jahr 2020 geleisteten Arbeit. Wenn Sie medizinische Literatur programmgesteuert verarbeiten möchten, sehen Sie sich Paperai an

Der COVID-19 Open Research Dataset (CORD-19) ist eine kostenlose Ressource mit wissenschaftlichen Artikeln, die von einer Koalition führender Forschungsgruppen zusammengestellt wurden und sich mit COVID-19 und der Familie der Coronaviren befassen. Der Datensatz ist auf Semantic Scholar und Kaggle zu finden.

Das cord19q-Projekt erstellt einen Index für den CORD-19-Datensatz, um die Analyse und Datenermittlung zu unterstützen. Eine Reihe von Forschungsthemen im Zusammenhang mit COVID-19 wurden untersucht, um relevante Artikel zu identifizieren und Antworten auf wichtige wissenschaftliche Fragen zu finden.

Aufgaben

Eine vollständige Liste der Aufgaben der Kaggle CORD-19 Challenge finden Sie in diesem Notizbuch. Dieses Notizbuch und die dazugehörigen Berichtshefte haben gewonnen? 7 Auszeichnungen? bei der Kaggle CORD-19 Challenge.

Die neuesten Aufgaben werden auch im cord19q-Repository gespeichert.

Installation

cord19q kann mit pip direkt von GitHub installiert werden. Die Verwendung einer virtuellen Python-Umgebung wird empfohlen.

 pip install git+https://github.com/neuml/cord19q

Python 3.6+ wird unterstützt

Ein Modell bauen

cord19q verlässt sich auf paperetl, um den CORD-19-Datensatz zu analysieren und in eine SQLite-Datenbank zu laden. Anschließend wird paperai verwendet, um eine KI-gestützte Literaturrecherche über den CORD-19-Datensatz für eine Liste von Abfrageaufgaben durchzuführen.

Die folgenden Links zeigen, wie CORD-19 analysiert, geladen und indiziert wird.

• Erstellen Sie eine CORD-19-Artikeldatenbank
• Erstellen Sie den CORD-19-Index

Das Modell wird in ~/.cord19 gespeichert

Erstellen einer Berichtsdatei

Eine Berichtsdatei ist einfach eine Markdown-Datei, die aus einer Liste von Abfragen erstellt wird. Ein Beispiel:

 python -m paperai.report tasks/risk-factors.yml

Sobald der Vorgang abgeschlossen ist, wird eine Datei mit dem Namen „tasks/risk-factors.md“ erstellt.

Ausführen von Abfragen

Der schnellste Weg, Abfragen auszuführen, besteht darin, eine Paperai-Shell zu starten

 paperai

Es erscheint eine Eingabeaufforderung. Abfragen können direkt in die Konsole eingegeben werden.