BioNLP and Knowledge Discovery, 2021 Spring

— A Course for Graduates and Junior/Senior Undergraduates (本硕贯通课程-元年。）

_{（从今年起，面向生物信息本科专业的《自然语言处理与知识发现》与面向全校研究生共选的《生物文本挖掘和知识发现概论》连通为本硕贯通课程。）}

Welcome to the course: “BioNLP and Knowledge Discovery”

这门课程源于2016年起开设的研究生《生物文本挖掘与知识发现概论》，每年春季授课。2020年对生物信息专业本科生增开。2021年起，作为本硕贯通课程开设。课程大纲和课程相关资源请在本页获取。

我为什么要选（不要选）这门课程？

学生评语（2021年）： “老师注重启发学生思考，从不同的角度引导学生，培养学生的科研思维。由于老师非常负责对学生要求很高，期望也很高，对学生较为严厉，缺少对学生的鼓励，学生课业压力较大。”

学生评语（2021年）：“老师讲的很好，让我了解到一些以前接触较少得东西，十分有用，但是对于我这样代码基础较弱的来说还是有一定的挑战性。”

Contents

1  Preface

2  Introduction of BioNLP and this Course

3  First Class of Linux and Lexical Analysis

4  R programming and Word Cloud

5  Gene Ontology (GO Enrichment and R Implementation)

6  Human Phenotype Ontology (Enrichment Theory and HPO Enrichment) (课件：Slides)

7  Semantic Annotation with Plant Trait Ontology (影片：Video)

8  PubMed Terms NER and Shell Programming

9 Advanced NLP Topic in Dependency Tree and Shortest Dependency Path

10 Advanced NLP Topic in Latent Semantic Analysis, from SVD to LSA

11 A Customized Biomedical Corpus on Mutations, AGAC (影片：Video)

12 Advanced NLP Topic in Sequence Labeling, from HMM to CRF

13 Advanced NLP Topic in Topic Modeling, from Variational Inference to Gibbs Sampling (课件：Slides)

14 Modern NLP Topic in Word Embedding, from Count-based to Prediction-based (课件：Slides)

15 Modern NLP Topic in Graph Embedding and Knowledge Graph, about Their Biomedical Application

---

Course Resources

☁ 作业一. 计算和比较语料库GENIA和AGAC的TTR，分析其语言丰富度的差异。完成此任务时，可以使用课堂讲授的Linux命令，也可以使用Python，R或其他脚本。

File:PubMed example texts (Download). 2. Brown corpus example text (Download)

GENIA: Kim, J.D., Ohta, T., Tateisi, Y. and Tsujii, J.I., 2003. GENIA corpus—a semantically annotated corpus for bio-textmining. Bioinformatics, 19(suppl_1), pp.i180-i182.

AGAC: Yuxing Wang, Kaiyin Zhou, Mina Gachloo, Jingbo Xia*. An Overview of the Active Gene Annotation Corpus and the BioNLP OST 2019 AGAC Track Tasks. BioNLP Open Shared Task 2019, workshop in EMNLP-IJCNLP 2019. Page: 62-71, Hong Kong, 2019.

☁ 作业二. 绘制比较语料库GENIA和AGAC的词云。完成此任务时，可以使用课堂讲授的R脚本，也可以使用Python或其他脚本。

Tutorial codes for WordCloud.R. Link.

☁ 作业三. GO富集和绘图。完成此任务时，使用课堂讲授的标准R脚本。

Tutorial codes for GO enrichment. Link.。

☁ 作业四. PubTator基因突变实体识别和Shell编程。完成此任务时，使用课堂讲授的Shell脚本。

☁ 作业五. Wapiti序列标注的CRF实现和.pat模板测试。完成此任务时，使用课堂讲授的“针对AGAC实体识别的Wapiti标准处理流程”。

Tutorial codes and data: GitHub link.

CRF特征函数模板/Wapiti manual：Link.

Slides for CRF: Link.

☁ 作业六. PyTorch下的神经网络训练用于AGAC的实体识别。在这部分，课堂讲授了LSTM+CRF和BERT+CRF两套代码，完成此任务时，选取其中的一套代码即可。

Tutorial codes and data (LSTM+CRF): GitHub link.

Tutorial codes and data (BERT+CRF): GitHub link.

☁ 作业七. 嵌入计算。在这部分，课堂讲授了Word2Vec和Bert两套代码用于进行Covid-19文献的词汇嵌入和展示，完成此任务时，选取其中的一套代码即可。

Tutorial codes and data (Word2Vec 和 BERT): GitHub link.

---

☁ 课程论文Latex模板。

模板下载 Link.

---

课程网络视频资源

课程资源来自哔哩哔哩网站，版权归属原视频制作团队，仅供参考。

---

课程论文装订册

☁ BioNLP and KD, papers collection. Link.

---

课后答疑

办公室： 逸夫楼C610

助教：欧阳思卓，彭钱钱

---

选课同学

---

---

External Links

☁ BioNLP and KD, 2020 Spring. Link

☁  NLP for Undergraduate Student (大数据本科NLP课程), 2020 Autumn. Link.

所有课程

♥ 回到 我的课程列表和逻辑关系图