SoMeSci (Software Mentions in Scientific Articles)

出于多种原因，有关科学研究中使用的软件的知识很重要，例如，有助于理解数据处理中涉及的出处和方法。然而，软件通常不会被正式引用，而是在调查的学术描述中被非正式地提及，从而提高了对自动信息提取和消歧的需求。鉴于缺乏可靠的基本事实数据，我们提出了 SoMeSci - 科学软件提及 - 科学文章中软件提及的黄金标准知识图。它包含 1367 篇 PubMed Central 文章中提到的 3756 个软件的高质量注释 (IRR: κ = .82)。除了简单地提及软件外，我们还提供附加信息的关系标签，例如版本、开发人员、URL 或引用。此外，我们区分不同类型，如应用程序、插件或编程环境，以及不同类型的提及，如使用或创建。据我们所知，SoMeSci 是科学文章中关于软件提及的最全面的语料库，为命名实体识别、关系提取、实体消歧和实体链接提供训练样本。最后，我们勾勒出潜在的用例，并为不同的任务提供基线结果。