Springer Nature：2024揭开文本和数据挖掘的力量：TDM促进变革性发现的四种方式白皮书.pdf

SPRINGERNATURE

乖a

：TDM促

揭开文本和数据挖掘的力量进变革性

发现的四种方式

SPRINGERNATURE

当今时代，科学快速发展，由Al驱动的发现突飞猛进。在这样的背景下，SPRINGERNATURE

DataSolutions

研究人员应如何发现可靠的信息来源井确保信息质量，以做出明智的决

策？高风险的决策需要经同行评审的可靠信息，井能经受检验。文本和

数据挖掘(textanddatamining,TOM)从学术论文、期刊和其他科

学出版物中的大量科学数据里提取有价值的见解，近年来已逐渐发展成

为一种强大的工具。

TOM使用计乃工具和技术来分析大型文本玫据负，旨在识别那些通过传统人工分

析难以或无法发现的模式、关联和趋势。借助机器学习和自然语言处理的力主J

TOM能够帮助使用者发现瓦有前果的研究领域，找出对特定主题在埋解上的空白

和盲区，井建议新的探索方向。它还有助于发现不同研究领域之间此前未知的潜PrathikRoy

在关联，从而促成新的跨学科合作和突技。施普林格自然数据解决方案

及战略主管

此外，TD埽丕可以加快科学探索的过桯，研究人员能够更加快速地识别爪要趋

势和突破，有望减少将新发现从实验室推向临床或市场所需的时间和资源。

通过分享我们的合作伙伴如何使用施普林格·自然的TOM工具，我们希望启发

研究人员、数据科学家和研发部f1从业者，并为如何将TDMi引入企业研发架构

提供建议。

SPRINGERNATURE

引言

TDM碌引人注目的—个方面是，它有望重新定义信息”检索＂的含义。不再需要阅读数百份文件便可

发现屈相关的信息，并以鼓励进一步探索的方式呈现。

Al

BenevolentBenevolentAI的用户希望获取最优质的科学文献，同时需要

一家拥有过硬的技术和数据交付能力的合作伙伴，能帮助其

轻松处理数据以汇入现有的项目，使其能够迅速构建起支持

BenevolentAI是一家利用施普林格·自然的数据来发现新药药物发现的独特视野，而这正是201吐t=-BenevolentAI与施

靶点的公司。在2022年8月的一次采访中，BenevolentAI的普林格·自然合作的原因。

忘级副总裁MarkDavie啦出，一般方式检索到的数据几乎

无法立即使用。为了使用能够实现变革性发现的工具，数据

为更好地理解施普林格·自然所拥有的科学文档及

必须足一致的、机器可读的行业标准格式。概念之间的关系

其TDM工具的价值，我们还采访了其他三家企业的

必须被理解和映射，还荒要创建知识图诺，为研究人员提供

高管，这些企业都在新兴的创新实践中使用施普林

数据的背泉和关系。一旦数据被捉取和处理，机器学习贷法

格自然的TDM工具，以支持科学家和研究人员

可以帮助研究人员识别新发现