文献中生物信息学软件命名实体的自动识别

摘要

我们提出SNAIL，一种混合命名实体识别框架，用于从生物医学文本中自动识别生物信息学软件和数据库名称。它结合词法建模与基于SciBERT等Transformer的语义建模，并通过显式token掩码策略增强实体表示；训练语料由引文提示抽取和大语言模型辅助蒸馏自动构建。在两个独立基准数据集和真实研究论文上的评估显示，SNAIL显著优于现有方法，包括bioNerDS2以及ChatGPT、Gemini、Grok、Claude等通用大语言模型。将其用于大规模文献分析，还揭示了不同生物信息学子领域的期刊层面偏好。结果表明，SNAIL能准确、可扩展地识别文献中的生物信息学资源，支持对工具使用和研究趋势进行系统性荟萃分析。