BioNLP and Knowledge Discovery, 2022 Spring

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

_{（从2021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。今年选课的同学包括研究生12名，10名来自信息学院，2名来自生科和动科；本科生30名，以生信19级大三同学为主。）}

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 (预览)

3  词汇计算

4 本体和本体富集 (GO, HPO 和PTO) （预览）

5 PubMed Terms NER and Shell Programming （预览）

6 Advanced NLP Topic in Dependency Tree and Shortest Dependency Path

7 A Customized Biomedical Corpus on Mutations, AGAC

8 Modern NLP Topic in Word Embedding, from Count-based to Prediction-based（预览）

---

itc实验安排

实验一 01/04/2022 （第六周）

名称	《基本词汇计算》
时长	2节课
学习目的	Linux终端操作
数据	blca_evidence.txt  (7.6MB)
实现方式	Terminal终端
作业	截图上交

实验二 08/04/2022（第七周）

名称	《词云展示》
时长	2节课
学习目的	Python调包，PubMed E-utilities
数据	blca_evidence.txt  (7.6MB), 自己下的PubMed数据
实现方式	Jupyter
作业	截图上交

实验三 22/04/2022（第九周）

名称	《本体富集分析》
时长	4节课
学习目的	一个具体的算法的调包实现
数据	自动下载的数据
实现方式	Jupyter
作业	截图上交

实验四 29/04/2022（第十周）

名称	《PubMed文献实体识别》
时长	4节课
学习目的	Shell脚本抓取PubTator网页，对所抓取的海量文本的分析(标注Mesh计数)
数据	Shell抓取，pubtator_blca.txt (166 MB)
实现方式	Terminal终端, Jupyter
作业	截图上交

实验五 06/05/2022（第十一周）

名称	《基于LSTM,CRF和BERT的序列标注》
时长	4节课
学习目的	PyTorch对PubTator训练集的自动标注
数据	少量规模的PubTator标注数据
实现方式	Jupyter
作业	截图上交

---

---

推荐文献-课前阅读

☁ 1. 【了解近十年来BioNLP领域的前沿问题】Zhao, S., Su, C., Lu, Z., & Wang, F. (2021). Recent advances in biomedical literature mining. Briefings in Bioinformatics, 22(3), bbaa057. (论文链接)

☁ 2. 【了解一个知名的生物医药专属的语料库资源】Kim, J. D., Ohta, T., & Tsujii, J. I. (2008). Corpus annotation for mining biomedical events from literature. BMC bioinformatics, 9(1), 1-25. (论文链接)

☁ 3.【了解一个本体资源与生物信息学知识发现的结合案例】Wang, S., Meng, X., Wang, Y., Liu, Y., & Xia, J. (2019). HPO-Shuffle: an associated gene prioritization strategy and its application in drug repurposing for the treatment of canine epilepsy. Bioscience reports, 39(9). (论文链接)

☁ 4. 【了解一个流行的全PubMed范围的生物医学知识标注资源】Wei, C. H., Allot, A., Leaman, R., & Lu, Z. (2019). PubTator central: automated concept annotation for biomedical full text articles. Nucleic acids research, 47(W1), W587-W593.（论文链接）

☁ 5.【了解斯坦福语法依存树结构】De Marneffe, M. C., & Manning, C. D. (2008). Stanford typed dependencies manual (pp. 338-345). Technical report, Stanford University.（文献链接）

---

课程论文提交要求-论文模板

1. 课程论文有指定提交时间节点。
2. 短文提交日期：（4月8日Friday），请打印纸质稿，当日带至课堂。
3. 长文初稿提交日期：(4月18日Monday)，请打印纸质稿，当日带至课堂。
4. 长文初稿互评意见提交日期：(4月22日Friday)，当日分发表格，现场填写、提交。
5. 长文修订稿提交日期：(5月6日Friday)，请打印纸质稿，当日带至课堂。
6. 长文终稿提交日期：（5月9日Mondy）。请提交论文电子档和纸质版。
   • 建议按照5月6日得到的互评建议对长文进行最后的修订和润色；
   • 电子版提交事项：长文终稿的电子版请发送到xiajingbo.math@gmail.com，在邮件标题中烦请告知组号，截止时间为5月9日10:00am（上午）；
   • 纸版提交事项：如相较5月6日提交版本并无进一步修订计划，可以以5月6日版本作为小组论文终稿版本；如有修订，请于5月9日将终稿纸质版带到课堂。
7. 按照课程论文的 Tex 模板，严格遵照模式进行撰写。
8. 课程论文 3 人成组合作撰写(鼓励研究生和本科生成组，鼓励本学院和外院成组)。

☁ 课程论文Latex模板 (下载链接)

☁ 模版pdf（先睹为快）

---

课程论文下载

《2022年春课程论文合集》：下载链接

---

课外网络视频资源

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。

---

External Links

☁ BioNLP and KD, 2021 Spring. Link

☁ 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

课后答疑

办公室： 逸夫楼C610

助教：彭钱钱，周星宇

---

课堂掠影

---

---