近日，由成都文献情报中心胡正银副研究员、张志强研究员与西南交通大学曾荣强博士、中科院广州生物医药与健康院覃筱楚、山西财经大学隗玲博士合作撰写的论文“A Method of Biomedical Knowledge Discovery by Literature Mining Based on SPO predications: A Case Study of induced Pluripotent Stem Cells”被施普林格出版社出版的论文集Lecture Notes in Artificial Intelligence（LNAI）Series：Machine Learning and Data Mining in Pattern Recognition收录正式发表，并被《工程索引》（The Engineering Index）收录。
随着生物医学科技信息数量的快速增长和生命科学研究的交叉发展，生物医学文献知识发现（Knowledge Discovery in Biomedical Literature，KDiBL）已成为生物医学信息学的一个重要研究领域。论文围绕“诱导多能干细胞”（induced Pluripotent Stem Cells，iPSC）这一干细胞研究前沿知识发现的具体需求，基于干细胞领域知识图谱数据，从细粒度、富语义的生物医药信息知识表示、面向主题的知识挖掘及全景式知识可视化展示三个方面出发，以“主-谓-宾”（Subject-Predication-Object，SPO）三元组形式对iPSC领域科技文献中蕴含的知识元进行了深度揭示与组织，挖掘出iPSC影响要素、疾病类型、人体病灶组织和实验对象等多种类型的知识主题，并以语义网络的形式全景式地展示了iPSC领域的知识脉络，包括涉及的重要研究方法、实验技术、细胞器官、基因及治疗疾病等。
相关研究工作得到了国家社科基金重点项目“面向领域知识发现的学科信息学理论与应用研究”、中国科学院“十三五”信息化专项“面向干细胞领域知识发现的科研信息化应用”的支持，研究成果在 “the 14th International Conference on Machine Learning and Data Mining” （MLDM 2018）做了大会报告。
SPO语义网络缩略图