Biosynonyms

生物医学实体和概念的分布式同义词数据库。这个资源旨在补充本体、数据库和其他提供同义词的控制词汇。它采用宽松的许可证（CC0），因此可以轻松采用/贡献给上游资源。

获取数据的方法

import biosynonyms

# Uses an internal data structure
positive_synonyms = biosynonyms.get_positive_synonyms()
negative_synonyms = biosynonyms.get_negative_synonyms()

# Get ready for use in NER with Gilda, only using positive synonyms
gilda_terms = biosynonyms.get_gilda_terms()

同义词

数据也可以通过TSV直接访问，这样任何人都可以从任何编程语言中消费它们。

positives.tsv具有以下列

1. text同义词文本本身
2. curie生物医学实体或概念的紧凑统一资源标识符（CURIE），使用生物注册标准化
3. name概念的标准名称
4. scope匹配类型，以OBO in OWL（oio）控制词汇中的CURIE编写，例如
   • oboInOwl:hasExactSynonym
   • oboInOwl:hasNarrowSynonym
   • oboInOwl:hasBroadSynonym
   • oboInOwl:hasRelatedSynonym
   • oboInOwl:hasSynonym（如果范围未知，请使用此选项）
5. type同义词属性类型，以OBO Metadata Ontology（omo）控制词汇中的CURIE编写，例如
   • OMO:0003000 （缩写）
   • OMO:0003001 （同义词，含义不明确）
   • OMO:0003002 （同义词，疑义）
   • OMO:0003003 （非专业人士的同义词）
   • OMO:0003004 （复数形式）
   • ...
6. 参考文献 是对应使用给定同义词的出版物（理想情况下使用来自语义空间的强行动标识符，如 pubmed，pmc，doi）的逗号分隔的 CURIE 列表
7. 贡献者 贡献者的 ORCID 标识符

以下是一些同义词表中的行的示例（带有链接 CURIE）

不正确的同义词

negatives.tsv 包含以下列，用于描述非同义词的文本字符串的非平凡示例。本文档不解决与基于上下文消歧义相同的问题，而是帮助描述如不正确的子字符串匹配等问题

1. 文本 非同义词文本本身
2. curie 一个生物医学实体或概念的紧凑统一资源标识符（CURIE），该标识符与以下文本不匹配，并使用 Bioregistry 标准化
3. 参考文献 与 positives.tsv 相同，说明了出现此字符串的文档
4. 贡献者 贡献者的 ORCID 标识符

以下是不正确同义词表中的行的示例（带有链接 CURIE）

已知限制

很难知道不同词汇之间的确切匹配可以用于去除同义词。目前，这还没有涵盖，但已经存在一些可以采用的局部解决方案。

许可证

所有数据均可在 CC0 许可证下获取。所有代码均在 MIT 许可证下可用。