The Scientific Contribution Graph: Automated Literature-based Technological Roadmapping at Scale
科学贡献图：基于文献的大规模自动化技术路线图
🧭 科学发现自动化·前提预测
University of Arizona · Allen Institute for Artificial Intelligence
构建200万条科学贡献和1250万条先决边的大规模图谱，并提出科学前提预测任务
📌 工作参考价值（4 点）
- 关系抽取与图谱构建自动化：论文自动从文献抽取贡献并连接先决关系，可迁移到电商商品功能依赖图或产品迭代图谱构建，例如自动识别“某技术A的改进直接依赖于技术B”。
- 前提预测任务设计：预测哪些现有能力能促成未来发现，可类比到电商中预测哪些现有商品属性或技术会驱动下一代爆款，辅助选品和研发决策。
- 时序过滤回测评估：采用时间分割避免未来信息泄露，严格评估预测性能。在推荐系统中评估模型时，可借鉴这种严格的时间感知验证方法，防止数据穿越。
- 大规模自动化常识图构建思路：通过实体链接和句子级关系抽取构建领域知识图谱，可直接复用到电商知识图谱建设（如成分、卖点、适用场景的先决关系）。