Google推出用於可方便探索武漢肺炎科學文獻的工具

由於武漢肺炎（COVID-19）疫情大流行，全世界科學家都動起來，大量發布相關的新研究，為了讓研究人員，能夠跟得上新研究的發表，易於搜尋並且取用這些新論文，Google發布了武漢肺炎研究探索工具（COVID-19 Research Explorer），這是建立在武漢肺炎開發研究資料集之上的語義搜尋介面，能夠讓使用者快速從5萬多篇期刊文章和論文預印本，搜尋出需要的資料。

大量發表的論文代表著更多科學新發現，讓研究人員可更了解武漢肺炎，但是也使得資訊量過多，研究人員難以全面掌握這些研究的內容，而搜尋工具便能夠幫助研究人員，更方便地利用這些研究。但Google提到，傳統的搜尋引擎，雖然可以用來查詢一些即時資訊，但是可能難以理解查詢背後的含義，而且使用關鍵字的傳統搜尋方法，也難以處理複雜的查詢，因此無法在武漢肺炎科學文獻庫中，找出有用的資料。

而Google新推出的這個武漢肺炎研究探索工具，可以讓研究人員快速地瀏覽文章，取得與武漢肺炎相關問題的答案或證據；當用戶在武漢肺炎研究探索工具中輸入問題時，該工具不僅會顯示一系列論文，還會重點顯示論文中的片段，這些片段可能就是使用者問題的答案。用戶可以查看這些搜尋結果的摘要，再決定是否要進一步閱讀該論文，而當使用者對於初步的結果感到滿意，也可以接著提出後續問題，對初始檢索的文章進行更深入的查詢。

Google解釋了這個工具背後的運作方法，其中一項關鍵技術便是語義搜尋，Google表示，語義搜尋的目的，不僅是捕捉查詢和文件之間的術語重疊，還能真正理解短語的意義，比對與使用者查詢意圖的關聯性。

Google舉例，像是當使用者查詢什麼調控了ACE2表達？（What regulates ACE2 expression？）這個問題，許多基於文字配對的搜尋引擎，可能無法良好地處理這個查詢，因為Regulate這個字，也可用在許多生物過程（Biological Process）上，雖然傳統資訊檢索（IR）系統會使用查詢擴展的方法，來減輕辭意困惑產生的影響，但語義搜尋的目的，便是要內隱地學習這些關係，因此更能妥善的處理這樣的問題。

而且由於ACE2這個酶本身就參與調控某些生物過程，但是實際上問題是查詢什麼東西調控了ACE2，而非ACE2調控了什麼，但是僅根據術語配對的搜尋方法，便分不清楚之間的差異，雖然傳統資訊檢索方法也會使用一些技巧解決這個問題，不過語義搜尋方法是在其核心對單詞的順序和意義建模，因此能更好地克服這個問題。

在武漢肺炎研究探索工具中，Google使用自然語言處理預訓練技術BERT，來建構神經語義搜尋技術，BERT是近來被用來提高Google搜尋品質的技術。不過，Google提到，在部分的案例中，神經模型的效能，卻又比關鍵字模型還差，因為關鍵字模型本質上是記憶程式，可以從查詢中記住術語，並且查詢包含這些術語的文件，而神經檢索模型則會歸納概念和含義，在部分精確度重要的案例上，神經檢索模型則可能過度概括。

因此Google最後建立了混合術語配對和神經檢索的模型，術語配對和神經模型都可以轉換到空間向量模型，也就是說，查詢和文件都能進行編碼，Google將兩種向量連接再一起進行查詢，控制術語配對和神經語義配對的相對重要性，來提供高精確度的生物醫學文獻檢索。

目前武漢肺炎研究探索工具釋出Alpha測試版，免費提供研究社群使用，在接下來幾個月，Google還會持續調整工具的可用性。