8天 = 4万元奖金 + CNCC参会资助 | 2019科研文本理解比赛

原文链接： https://biendata.com/competition/digsci2019/

2019年10月2日，DiggScience 2019正式开始。本次比赛由AMiner ，Microsoft ，北京智源人工智能研究院和biendata联合组织。本次比赛要求选手提出可以理解和匹配科研文本的方法，预测论文引用和论文描述的关系。比赛预计将于2019年10月12日结束。获奖选手将分享4万元奖金，并获资助参加2019年中国计算机大会（CNCC 2019）上组织的颁奖仪式。

 

比赛链接：

https://biendata.com/competition/digsci2019/

 

科学研究已经成为现代社会创新的主要动力。大量科研数据的积累也让我们可以理解和预测科研发展，并能用来指导未来的研究。论文是人类最前沿知识的媒介，因此如果可以理解论文中的数据，可以极大地扩充计算机理解知识的能力和范围。

 

在论文中，作者经常会引用其他论文，并对被引论文做出对应描述。如果我们可以自动地理解、识别描述对应的被引论文，不仅可以加深对科研脉络的理解，还能在科研知识图谱、科研自动问答系统和自动摘要系统等领域有所进步。

比赛任务

本次比赛将提供一个论文库（约含20万篇论文），同时提供对论文的描述段落，来自论文中对同类研究的介绍。参赛选手需要为描述段落匹配三篇最相关的论文。

 

例子：

描述

An efficient implementation based on BERT [1] andgraph neural network (GNN) [2] is introduced.

 

相关论文：

[1] BERT: Pre-training of deep bidirectional transformers for language understanding.

[2] Relational inductive biases, deep learning, and graph networks.

数据描述

本次比赛要求选手根据一句或一段科研描述，匹配3篇最相关的论文。

1. candidate.csv

 

候选的论文数据集，内含大约20万篇论文，其中有一部分已经在训练集中匹配了句子。选手需要从中选择论文匹配验证集中的句子。

 

格式如下：

- paper_id

论文ID

 

- title    

论文标题

- abstract    

论文摘要

 

- journal 

论文所在期刊

   

- keywords

论文关键词
 

2. train_release.csv

训练集，包括句子和匹配的论文ID。格式如下：

- description_id

描述科研的句子或段落的ID

 

- paper_id

匹配论文的ID

- description_text

对科研的描述的文本（有时为句子，有时为一段话）。论文原来的引标用“[**##**]”代替。

 

如：Rat brain membrane preparation and opioid binding wasperformed as described previously by Loukas et al. [[**##**]]. Briefly, bindingwas performed in Tris-HCl buffer (10 mM, pH 7.4), in a final volume of 1.0 ml.The protein concentration was 300 μg/assay.

 

在这句中，对应的论文应该与“Rat brain membrane preparation and opioid binding wasperformed as described previously by Loukas et al. ”这句描述相关。

 

3. validation_release.csv

 

与train.csv格式相同，但是没有paper_id ，需要选手自己匹配。

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

▽ 点击 | 阅读原文 | 报名参赛