整理文献信息，电脑表现不比人差

来源：生物谷作者：人气：-发表时间：2014-12-10 09:30:00【大中小】

在1997年，IBM的电脑“深蓝”打败了象棋大师加里•卡斯帕罗夫（Gary Kasparov）。而由威斯康辛大学麦迪逊分校大学开发的电脑系统完成了更为复杂的任务：它可以从浩如烟海的科学文献中检索信息并进行数据分类，并且准确程度不比进行人工录入的科学家差。这一研究成果于近日发表在《公共科学图书馆·综合》（PLOS ONE）期刊上。

克里斯托弗·雷（Christopher Ré）是这个软件项目的领导者，他表示：“我们证明，这个系统在我们所测试的所有信息处理任务中都不亚于真人，在一些方面它们甚至表现得更好，这个结果非常令人振奋。”

棋类游戏看起来可能很复杂，但它们都是建立在严格固定的规则之上的：在特定情况下，只有特定的一些走法是合规的。而从学术出版物中提取信息的规则不是那么明确，这对参与其中的人类和机器而言都是一种挑战。

论文作者表示，开发这样一个信息提取系统是为了解决古生物学中的分类学信息整理问题。每一年，古生物学家们都会基于化石发现发表众多学术论文，在其中提出新的分类学观点，这些信息非常重要，但也非常零散。如果要得到全景式的信息图表，就得把这些散落在原始论文中的信息一点点提取出来，建立数据库才行。

目前在这方面，与古生物学数据库The Paleobiology Database合作的科学家们已经进行了很多工作，他们在这个数据库中人工录入了许多来自原始科研论文的信息。然而，由于论文总数十分庞大且不断增长，至今仍有大量论文信息还没有进行录入。为了解决这个问题，研究者们开始“训练”计算机阅读系统PaleoDeepDive，希望它能接替人进行这项繁重的工作。

这套系统是在机器阅读系统DeepDive的基础上建立的，类似的系统现在也被用在IBM和Google的项目当中。“唯一不同的是我们是围绕着科学文献来进行的，在这些文献中的语言更加清晰和简洁一些。”雷这样说到。

正如人工录入方式那样，PaleoDeepDive也会首先“阅读”文档，并总结出其中的结构性信息，如分类名、时期以及基因图谱位置等等。“我们的策略并不是试图猜测所有文献中具体章节的含义，而是‘总体上判断这个文献所描述的问题’，”雷表示，“人们总是过度注意细节，而关注整体就是DeepDive 的优势所在。”

研究者们选取了一些机器录入的信息，并将它们与人工录入的信息混在一起进行了双盲评价。结果发现，机器录入信息的准确率可达92%，这个成绩与人工录入的水平持平，甚至还更高一些。“假如能获取更多的反馈和数据，我们还可以在此基础上做得更好，”论文第一作者沙南·彼得斯（Shanan E. Peters）说，“这将可以系统性地、大规模地改善数据的质量。”

彼得斯表示：“最终，我们希望有能力创造一种电脑处理系统，它几乎可以在瞬间完成很多地质学家和古生物学家要花费一生时间来做的事情：阅读大量文献，整理大量事实，并且将它们彼此关联起来，来解决一个复杂的问题。”