使用自然语言处理和机器学习简化和加速研究的自动化文献审查工具 (LiteRev):描述性绩效评估研究

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 医疗信息学 医疗信息学

背景情况:

• 文献评论 (LR) 对于综合研究至关重要,但耗时且资源密集.
• 传统的系统审查面临的挑战是速度快,并且很快就会过时.

研究的目的:

• 介绍LiteRev,这是一个先进的自动化工具,旨在帮助研究人员进行文献评论.
• 与手动文献审查流程相比,评估LiteRev的准确性和效率.

主要方法:

• LiteRev使用自然语言处理 (NLP) 和机器学习进行自动化文献搜索和主题建模.
• 技术包括术语频率逆向文档频率 (TF-IDF) 矩阵表示,维度缩小 (PCAM) 和聚类 (HDBSCAN).
• 一个k-最近邻居 (k-NN) 搜索根据用户输入和选择的相关论文来改进结果.

主要成果:

• LiteRev处理了631篇独特的论文,确定了16个主题,并建议193篇论文进行选 (31.5%的论文库).
• 在抽象选中实现了73.6%的回忆率,而在手工方法的全文选中达到87.5%.
• 通过采样节省了56%的工作,大大加快了文献审查过程.

结论:

• 通过NLP和机器学习,LiteRev有效地简化和加快文献评论.
• 该工具为研究人员提供了对特定研究主题的快速和深入概述.
• LiteRev提高了合成科学文献的效率和准确性.