API 使用 HTTP 访问方式。HTTP 访问方式是指用户通过 URL（GET）或提交表单（POST）方式来获取系统信息。我们系统接收到用户按一定规则提交的请求后，将会以 JSON 的形式返回相关信息。
英文摘要语步识别
我们基于当前效果最好的英文摘要语步识别模型(Refinded Masked Sentence model)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/move_recognition_en，将多个摘要文档以list类型上传，将以json格式将多篇摘要标注结果放在列表中返回。
|
|
格式
|
示例
|
|
请求URL
|
/move_recognition_en
|
http://sciengine.las.ac.cn/move_recognition_en
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The aim of this paper is to study...",
"The aim of this paper is to study...",
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
"results": 结果列表
|
{
"results":[
{
"Background":[…],
"Objective": […],
"Methods": […],
"Results": […],
"Conclusions": […]
},
{
"Background":[…],
"Objective": […],
"Methods": […],
"Results": […],
"Conclusions": […]
}
]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
中文摘要语步识别
我们基于当前效果最好的中文摘要语步识别模型，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/move_recognition_cn，将多个摘要文档以list类型上传，将以json格式将多篇摘要标注结果放在列表中返回。
|
|
格式
|
示例
|
|
请求URL
|
/move_recognition_cn
|
http://sciengine.las.ac.cn/move_recognition_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"探讨新型冠状病毒肺炎(COVID-19)患者...",
"探讨新型冠状病毒肺炎(COVID-19)患者...",
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
"results": [结果列表]
|
{
"results":[
{'目的':['探讨新型冠状病毒肺炎(COVID-19)患者']},
{'目的':['探讨新型冠状病毒肺炎(COVID-19)患者']}
]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
基金项目语步识别
我们基于当前效果最好的基金项目摘要语步识别模型，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/move_recognition_funds ，将多个摘要文档以list类型上传，将以json格式将多篇摘要标注结果放在列表中返回。
|
|
格式
|
示例
|
|
请求URL
|
/move_recognition_funds
|
http://sciengine.las.ac.cn/move_recognition_funds
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"国际上制定了多个指南评价工具，但多以循证证据为评价要点，忽视临床应用效果...",
"国际上制定了多个指南评价工具，但多以循证证据为评价要点，忽视临床应用效果...",
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
"results": [结果列表]
|
{
"results":[
{'国际上制定了多个指南评价工具，但多以循证证据为评价要点，忽视临床应用效果': '背景及问题'},
{'国际上制定了多个指南评价工具，但多以循证证据为评价要点，忽视临床应用效果': '背景及问题'}
]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
中文科技文献分类
我们基于全领域中文科技文献分类模型，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/paper_classification_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要分类结果。
|
|
格式
|
示例
|
|
请求URL
|
/paper_classification_cn
|
http://sciengine.las.ac.cn/paper_classification_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"在农业保险中,苹果园受灾理赔需要通过快速准确的落果计数进行定损...",
"在农业保险中,苹果园受灾理赔需要通过快速准确的落果计数进行定损..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
KEY: 摘要序号
VALUE: 分类标签列表
|
{
0:[ "S661.1 苹果", "S436.6 果树病虫害" ],
1:[ "S661.1 苹果", "S436.6 果树病虫害" ]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
英文科技文献分类
我们基于全领域英文科技文献分类模型，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/paper_classification_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要分类结果。
|
|
格式
|
示例
|
|
请求URL
|
/paper_classification_en
|
http://sciengine.las.ac.cn/paper_classification_en
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"Polyester (PET) was pre-activated by atmospheric air plasma and coated by various inorganic oxide nanoparticles (MOx)...",
"here has been a framework sketched for learning deep bidirectional intelligence.The framework has an inbound that features two actions..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
KEY: 摘要序号
VALUE: 分类标签列表
|
{0: ['O631 高分子物理和高分子物理化学', 'TB332 非金属复合材料', 'TB34 功能材料'], 1: ['TP181 自动推理、机器学习', 'TP391 信息处理']}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
中文科技文献关键词识别
我们基于中文关键词自动识别模型(BERT_BIO_Lexi)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/keywords_extraction_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要关键词识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/keywords_extraction_cn
|
http://sciengine.las.ac.cn/keywords_extraction_cn
|
|
请求参数(JSON)
|
"data": 摘要文本
"token": 验证码数字
|
{
"data":[
"新辅助治疗背景下胰腺癌扩大切除术的应用价值。胰腺癌恶性程度高,预后较差,治疗效果仍不理想...",
"新辅助治疗背景下胰腺癌扩大切除术的应用价值。胰腺癌恶性程度高,预后较差,治疗效果仍不理想..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: [关键词列表]
|
{
0:[
"胰腺癌",
"新辅助治疗",
"扩大切除术"
],
1:[
"胰腺癌",
"新辅助治疗",
"扩大切除术"
]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
英文科技文献关键词识别
我们基于英文关键词自动识别模型(Keywords_En)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/keywords_extraction_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要关键词识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/keywords_extraction_en
|
http://sciengine.las.ac.cn/keywords_extraction_en
|
|
请求参数(JSON)
|
"data": 摘要文本
"token": 验证码数字
|
{
"data":[
"Research on the Design of Measurement and Control of Residual Chlorine Based on Non-Membrane Sensor...",
"Oscillatory criteria for certain second-order nonlinear dynamic equations on time scales..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: [关键词列表]
|
{0: ['Non-Membrane Sensor', 'flow-through cell', 'structure design', 'three electrode', 'potentiostatic circuit', 'control precision', 'flow cell', 'stability and control', 'DPD method', 'operation rules', 'constant flow rate', 'counter electrode', 'related technology', 'potential stability', 'calibration method'], 1: ['Riccati substitutions', 'scales theory', 'oscillation criteria', 'variable delay', 'functional dynamic equations']}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
科技文本标题生成
我们基于当前效果最好的科技文本标题生成模型(UniLM)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/title_generation_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本标题结果。
|
|
格式
|
示例
|
|
请求URL
|
/title_generation_cn
|
http://sciengine.las.ac.cn/title_generation_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
"length": 标题长度
|
{
"data":[
"智能制造是制造技术与信息技术的结合,并朝着自动化、集成化、信息化、绿色化的趋势发展...",
"智能制造是制造技术与信息技术的结合,并朝着自动化、集成化、信息化、绿色化的趋势发展..."
],"token":99999,"length":9
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 文本标题
|
{
0:"智能制造的发展趋势"
1:"智能制造的发展趋势"
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
物理学领域科技文献命名实体识别
我们基于当前效果最好的物理学领域科技文献命名实体识别模型(NER_Physics)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/ner_physics_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/ner_physics_en
|
http://sciengine.las.ac.cn/ner_physics_en
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"We propose the use of germanium-on-silicon technology for indirect time-of-flight based three-dimensional sensing , and demonstrate a novel lock-in pixel featuring high quantum efficiency and large frequency bandwidth ...",
"We propose the use of germanium-on-silicon technology for indirect time-of-flight based three-dimensional sensing , and demonstrate a novel lock-in pixel featuring high quantum efficiency and large frequency bandwidth ..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 实体识别结果
|
{
0:{
"quantum efficiency":"现象和现象规律-原子、分子和凝聚态物理",
"time-of-flight":"计量、仪器和数据分析-测量方法"
},
1:{
"quantum efficiency":"现象和现象规律-原子、分子和凝聚态物理",
"time-of-flight":"计量、仪器和数据分析-测量方法"
}
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
医学领域科技文献命名实体识别
我们基于医学领域科技文献命名实体识别模型(NER_MED_CN)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_ner_med_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_ner_med_cn
|
http://sciengine.las.ac.cn/api_ner_med_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"盆腔操联合心理干预对盆腔炎性不孕症患者负性情绪的影响。目的改善盆腔炎性不孕症患者焦虑、抑郁的负性情绪.方法将168例盆腔炎性不孕症患者随机分为心理干预组55例、盆腔操组56例....",
"参芪地黄汤联合ACEI/ARB类药物治疗糖尿病肾病的Meta分析。目的：系统评价参芪地黄汤联合ACEI/ARB类药物治疗糖尿病肾病（DKD） ..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 实体识别结果
|
{'0': {'results': [['盆腔炎性不孕症', '疾病或症状'], ['盆腔操练习', '手术'], ['盆腔操练', '手术'], ['盆腔操', '手术'], ['焦虑自评量表', '医学仪器'], ['焦虑', '疾病或症状'], ['抑郁评分', '检查科目'], ['抑郁自评量表', '医学仪器'], ['抑郁', '疾病或症状'], ['心理干预', '手术']]}, '1': {'results': [['血肌酐', '检查科目'], ['糖尿病肾病', '疾病或症状'], ['空腹血糖', '检查科目'], ['方法学质量评价', '方法'], ['尿素氮', '检查科目'], ['尿微量白蛋白', '检查科目'], ['尿N-乙酰-β-D氨基葡萄糖苷酶', '检查科目'], ['参芪地黄汤', '药物'], ['Meta分析', '方法'], ['ACEI/ARB类药物', '药物']]}, '2': {'results': [['胰腺癌扩大根治术', '手术'], ['胰腺癌扩大切除术', '手术'], ['胰腺癌', '疾病或症状']]}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
中文科研实体识别
我们基于中文科研实体识别模型(NER_SCI_CN)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_ner_sci_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_ner_sci_cn
|
http://sciengine.las.ac.cn/api_ner_sci_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"基于随机森林的直升机飞行状态识别方法。针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题....",
"改进AFSA算法优化SVM的变压器故障诊断。提出一种基于改进人工鱼群算法优化支持向量机(SVM)的变压器故障诊断方法 ..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 实体识别结果
|
{'0': {'仪器设备': ['随机森林分类器'], '度量指标': ['识别率', '特征参数', '飞行状态', '识别速度'], '数据资料': ['飞行数据', '直升机实飞数据'], '方法模型': ['去野点', '限幅', '平滑处理', 'RBF神经网络法', 'SVM法'], '研究问题': ['直升机飞行状态识别方法', '全起落飞行状态', '直升机寿命预测']}, '1': {'仪器设备': ['SVM分类器'], '度量指标': ['寻优效率', '求解精度', '核函数参数', '惩罚系数', '分类精度', '诊断正确率'], '方法模型': ['AFSA算法', '人工鱼群算法', '决策导向无环图(DDAG)方法', 'SVM多分类决策模型', '仿真实验', '网格搜索法', 'Grid-SVM', 'GA-SVM', 'PSO-SVM'], '研究问题': ['变压器故障诊断方法'], '软件系统': ['SVM']}, '2': {'度量指标': ['负熵', '源信号数目', '语音时域波形', '信噪比'], '方法模型': ['FastICA语音信号分离算法', 'FastICA(Fast Independent Component Algorithm)语音信号盲分离算法', '仿真实验'], '研究问题': ['源信号数目估计', '语音信号分离及复原', '信号盲分离', '信号分选']}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
英文科研实体识别
我们基于英文科研实体识别模型(NER_SCI_EN)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_ner_sci_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_ner_sci_cn
|
http://sciengine.las.ac.cn/api_ner_sci_en
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"Characteristics of patients with coronavirus disease (COVID-19) confirmed using an IgM-IgG antibody test. Coronavirus disease (COVID-19)...",
"Low scale Dirac leptogenesis and dark matter with observable ΔNeff. We propose a gauged B−L extension of the standard model (SM) where light neutrinos are of Dirac ..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 实体识别结果
|
{'0': {'仪器设备': [], '地点': [], '度量指标': ['positivity rate', 'sensitivity', 'virus exposure', 'inflammatory response'], '数据资料': [], '方法模型': ['IgM-IgG antibody test', 'Nucleic acid testing', 'IgM-IgG combined assay', 'nucleic acid tests', 'IgM-IgG testing'], '理论原理': [], '研究问题': ['coronavirus disease(covid-19)', 'betacoronavirus', 'severe acute respiratory syndrome coronavirus 2(sars-cov-2)', 'viral infections', 'COVID-19 diagnoses', 'SARS-CoV-2 infection'], '科学家': [], '软件系统': []}, '1': {'仪器设备': [], '地点': [], '度量指标': ['B−L violation', 'B−L charge', 'B−L gauge interactions', 'gauge sector couplings', 'B−L gauge sector parameter space', 'dark matter requirements', 'thermalised relativistic degrees of freedom', 'collider bounds'], '数据资料': [], '方法模型': ['gauged B−L extension', 'standard model(sm)', 'tiny Yukawa couplings', 'scalar doublet'], '理论原理': [], '研究问题': ['Low scale Dirac leptogenesis', 'dark matter', 'observable ΔNeff', 'light neutrinos', 'Dirac type', 'Majorana fermions', 'fermion coupling', 'SM leptons', 'equilibrium decay', 'lepton asymmetry', 'decaying fermion', 'washout processes', 'SM singlet particle', 'light Dirac neutrinos'], '科学家': [], '软件系统': []}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
科研实体关系识别
我们基于科研实体关系识别模型(NER_SCI_CN)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_relation_sci_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_relation_sci_cn
|
http://sciengine.las.ac.cn/api_relation_sci_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"基于随机森林的直升机飞行状态识别方法。针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题....",
"改进AFSA算法优化SVM的变压器故障诊断。提出一种基于改进人工鱼群算法优化支持向量机(SVM)的变压器故障诊断方法 ..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 实体关系识别结果
|
'0': {'句子6': {'2-实体': {'实体2': {'实体指称': 'rbf神经网络法', '实体类别': '方法模型'}, '实体3': {'实体指称': 'svm法', '实体类别': '方法模型'}, '实体1': {'实体指称': '直升机实飞数据', '实体类别': '数据资料'}, '实体4': {'实体指称': '识别率', '实体类别': '度量指标'}, '实体5': {'实体指称': '识别速度', '实体类别': '度量指标'}, '实体6': {'实体指称': '直升机寿命预测', '实体类别': '研究问题'}}, '3-三元组': {'知识1': {'实体2': 'rbf神经网络法', '实体1': 'svm法', '关系': '并列'}}, '1-句子内容': '以某型直升机实飞数据作为实验数据,将该方法与RBF神经网络法和SVM法进行对比实验,结果表明在小样本情况下该方法识别率有明显提高,识别速度也有所提高,可为直升机寿命预测提供依据'}, '句子3': {'2-实体': {'实体2': {'实体指称': '限幅', '实体类别': '方法模型'}, '实体3': {'实体指称': '平滑处理', '实体类别': '方法模型'}, '实体1': {'实体指称': '去野点', '实体类别': '方法模型'}, '实体4': {'实体指称': '飞行数据', '实体类别': '数据资料'}, '实体5': {'实体指称': '特征参数', '实体类别': '度量指标'}, '实体6': {'实体指称': '飞行状态', '实体类别': '度量指标'}}, '3-三元组': {'知识3': {'实体2': '平滑处理', '实体1': '限幅', '关系': '并列'}, '知识2': {'实体2': '去野点', '实体1': '平滑处理', '关系': '并列'}, '知识1': {'实体2': '去野点', '实体1': '限幅', '关系': '并列'}}, '1-句子内容': '首先利用去野点、限幅、平滑处理对飞行数据进行预处理,并根据特征参数将飞行状态分为8个小类'}},'1':{...},'2':{...}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
概念定义句识别
我们基于英文科技文献定义句识别模型(Def)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/definition_recognition_en，将多个文档以list类型上传，将以json格式返回多篇文本概念定义句识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/definition_recognition_en
|
http://sciengine.las.ac.cn/definition_recognition_en
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The present investigation was a cross-sectional study based on secondary analyses of data from the weighted fifth Korea National....",
"COPD includes patients with chronic bronchitis and emphysema. Although identified as separate entities, most patients with COPD have..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 概念定义句识别结果
|
{'0': {'Definition': [{'definition_sentence': 'The KNHANES is a nationally representative, reliable, large-scale, cross-sectional survey targeting non-institutionalized Koreans.', 'definition_word': ['the knhanes']}]}, '1': {'Definition': [{'definition_sentence': 'The CES-D scale is a short self-report scale designed to measure depressive symptomatology in the general population.', 'definition_word': ['the ces-d scale']}]}, '2': {'Definition': [{'definition_sentence': 'Ultibro Breezhaler is an inhaled, once-daily, fixed-dose combination of the LAMA, glycopyrronium bromide and the LABA, indacaterol maleate and was developed under the name QVA149.', 'definition_word': ['ultibro breezhaler']}]}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
研究问题句识别
我们基于英文研究问题句识别模型(Move_Question)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/question_recognition_en，将多个文档以list类型上传，将以json格式返回多篇文本研究问题句识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/question_recognition_en
|
http://sciengine.las.ac.cn/question_recognition_en
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The present investigation was a cross-sectional study based on secondary analyses of data from the weighted fifth Korea National....",
"COPD includes patients with chronic bronchitis and emphysema. Although identified as separate entities, most patients with COPD have..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 概念定义句识别结果
|
{'0': {'Question': [{'question_sentence': 'We aimed to clarify the brain region involved in motor function improvement following chronic stroke.', 'question_phrase': ['clarify the brain region involved in motor function improvement following chronic stroke']}]}, '1': {'Question': [{'question_sentence': 'We aimed to evaluate the safety outcome profile of CEA and CAS in Chinese patients with carotid artery stenosis.', 'question_phrase': ['the safety outcome profile of cea and cas in chinese patients with carotid artery stenosis']}]}, '2': {'Question': [{'question_sentence': 'This observational study attempts to explore whether single-nucleotide polymorphisms (SNPs) in DC-SIGN are related to the severity of EV71-associated HFMD.', 'question_phrase': ['whether single - nucleotide polymorphisms ( snps ) in dc - sign are related to the severity of ev71 - associated hfmd']}]}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
引用句识别
我们基于英文引用句识别模型(Move_Citation)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/citation_recognition_en，将多个文档以list类型上传，将以json格式返回多篇文本引用句识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/citation_recognition_en
|
http://sciengine.las.ac.cn/citation_recognition_en
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The present investigation was a cross-sectional study based on secondary analyses of data from the weighted fifth Korea National....",
"COPD includes patients with chronic bronchitis and emphysema. Although identified as separate entities, most patients with COPD have..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 概念定义句识别结果
|
{"0": {'Key Citation': ['The identification of the responsible first gene on chromosome 17, and its product plakoglobin as the responsible protein for Naxos disease proved to be a milestone in the study of ARVD, which opened a new field of research [28, 31].'], 'Minor Citation': [], 'Limited Citation': [], 'Normal Citation': ['Arrhythmogenic right ventricular dysplasia (ARVD) was first recognized in 1977 during antiarrhythmic surgery in Pitié Salpêtrière Hospital, Paris, France [1].', ...']}, "2": {...}}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
审稿人推荐
我们基于当前效果最好的审稿人推荐模型(Author_Recommandation)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/reviewer_recommendation_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要相关的审稿人列表。
|
|
格式
|
示例
|
|
请求URL
|
/reviewer_recommendation_cn
|
http://sciengine.las.ac.cn/reviewer_recommendation_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"络病理论是中医疾病学的重要内容。姚乃礼教授基于多年临床实践,认为肝纤维化、肝硬化、慢性萎缩性胃炎、慢性溃疡性结肠炎的发病过程均有“毒损络脉”的传变规律...",
"络病理论是中医疾病学的重要内容。姚乃礼教授基于多年临床实践,认为肝纤维化、肝硬化、慢性萎缩性胃炎、慢性溃疡性结肠炎的发病过程均有“毒损络脉”的传变规律..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: [审稿人列表]
|
{
0:[
"王阶(中国中医科学院广安门医院)",
"仝小林(中国中医科学院广安门医院)",
"王永炎(中国中医科学院中医临床基础医学研究所)",
"于峥(中国中医科学院中医基础理论研究所)",
"谢雁鸣(中国中医科学院中医临床基础医学研究所)"
],
1:[
"王阶(中国中医科学院广安门医院)",
"仝小林(中国中医科学院广安门医院)",
"王永炎(中国中医科学院中医临床基础医学研究所)",
"于峥(中国中医科学院中医基础理论研究所)",
"谢雁鸣(中国中医科学院中医临床基础医学研究所)"
]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
投稿期刊推荐(Journal)
我们基于当前效果最好的投稿期刊推荐模型(Journal Rocommendation)，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/journal_recommendation_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要相关的期刊列表。
|
|
格式
|
示例
|
|
请求URL
|
/journal_recommendation_cn
|
http://sciengine.las.ac.cn/journal_recommendation_cn
|
|
请求参数(JSON)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"络病理论是中医疾病学的重要内容。姚乃礼教授基于多年临床实践,认为肝纤维化、肝硬化、慢性萎缩性胃炎、慢性溃疡性结肠炎的发病过程均有“毒损络脉”的传变规律...",
"络病理论是中医疾病学的重要内容。姚乃礼教授基于多年临床实践,认为肝纤维化、肝硬化、慢性萎缩性胃炎、慢性溃疡性结肠炎的发病过程均有“毒损络脉”的传变规律...","token":99999
]
}
|
|
成功请求返回数据(JSON)
|
摘要序号: [期刊列表]
|
{
0:[
"刊名:中华中医药杂志 ISSN:1673-1727",
"刊名:时珍国医国药 ISSN:1008-0805",
"刊名:中国中医基础医学杂志 ISSN:1006-3250",
"刊名:北京中医药大学学报 ISSN:1006-2157",
"刊名:南京中医药大学学报 ISSN:1672-0482"
],
1:[
"刊名:中华中医药杂志 ISSN:1673-1727",
"刊名:时珍国医国药 ISSN:1008-0805",
"刊名:中国中医基础医学杂志 ISSN:1006-3250",
"刊名:北京中医药大学学报 ISSN:1006-2157",
"刊名:南京中医药大学学报 ISSN:1672-0482"
]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
一、通用句子级知识对象挖掘引擎
1.1 英文摘要语步识别v2.0
英文摘要语步识别v2.0是重点研发计划项目课题二成果之一，能够从科技文献摘要中自动识别研究背景句、研究目的句、研究方法句、研究结构句、研究结论句5类句子级知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/move_recognition_en_v2，将多个摘要文档以list类型上传，将以json格式将多篇摘要标注结果放在列表中返回。
|
|
格式
|
示例
|
|
请求URL
|
/move_recognition_en_v2
|
http://sciengine.las.ac.cn/move_recognition_en_v2
|
|
请求参数(FormData)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The aim of this paper is to study...",
"The aim of this paper is to study...",
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
"results": 结果列表
|
{
"0":[
{"Background":[…]},
{"Objective": […]},
{"Methods": […]},
{"Results": […]},
{"Conclusions": […]}
],
"1" [
{"Background":[…]},
{"Objective": […]},
{"Methods": […]},
{"Results": […]},
{"Conclusions": […]}
]
...
]
}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
1.2 英文概念定义句识别
英文概念定义句识别模型是重点研发计划项目课题二成果之一，能够从科技文献摘要或全文中自动识别描述概念定义的句子以及被定义的概念词。提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/definition_recognition_en_v2，将多个文档以list类型上传，将以json格式返回多篇文本概念定义句识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/definition_recognition_en_v2
|
http://sciengine.las.ac.cn/definition_recognition_en_v2
|
|
请求参数(FormData)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The present investigation was a cross-sectional study based on secondary analyses of data from the weighted fifth Korea National....",
"COPD includes patients with chronic bronchitis and emphysema. Although identified as separate entities, most patients with COPD have..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 概念定义句识别结果
|
{'0': {'Definition': [{'definition_sentence': 'The KNHANES is a nationally representative, reliable, large-scale, cross-sectional survey targeting non-institutionalized Koreans.', 'definition_word': ['the knhanes']}]}, '1': {'Definition': [{'definition_sentence': 'The CES-D scale is a short self-report scale designed to measure depressive symptomatology in the general population.', 'definition_word': ['the ces-d scale']}]}, '2': {'Definition': [{'definition_sentence': 'Ultibro Breezhaler is an inhaled, once-daily, fixed-dose combination of the LAMA, glycopyrronium bromide and the LABA, indacaterol maleate and was developed under the name QVA149.', 'definition_word': ['ultibro breezhaler']}]}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
1.3 英文研究问题句识别v2.0
英文研究问题句识别v2.0是重点研发计划项目课题二成果之一，能够从科技文献摘要中自动识别研究问题句，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/question_recognition_en_v2，将多个文档以list类型上传，将以json格式返回多篇文本研究问题句识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/question_recognition_en_v2
|
http://sciengine.las.ac.cn/question_recognition_en_v2
|
|
请求参数(FormData)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The present investigation was a cross-sectional study based on secondary analyses of data from the weighted fifth Korea National....",
"COPD includes patients with chronic bronchitis and emphysema. Although identified as separate entities, most patients with COPD have..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 研究问题句识别结果
|
{'0': [{'sentence': 'Based on this framework, we further discuss the possibilities of design intelligence through synthesis reasoning.', 'probability': 1.6302631437778472}]}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
1.4 英文引用句识别v2.0
英文引用句识别v2.0是重点研发计划项目课题二成果之一，能够从科技文献摘要中自动识别引用句，并且识别引用句的引用情感与引用意图，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/citation_recognition_en_v2，将多个文档以list类型上传，将以json格式返回多篇文本引用句识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/citation_recognition_en_v2
|
http://sciengine.las.ac.cn/citation_recognition_en_v2
|
|
请求参数(FormData)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"The present investigation was a cross-sectional study based on secondary analyses of data from the weighted fifth Korea National....",
"COPD includes patients with chronic bronchitis and emphysema. Although identified as separate entities, most patients with COPD have..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 引用句识别结果
|
{'0': [{'sentence': '2.1 Rank aggregation In Table 1, we first illustrate the common mathematical notations that are used later.', 'emotion': 'NEUTRAL CITATION', 'intent': 'METHOD'},{...}...]...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
1.5 英文创新句识别
英文创新句识别是重点研发计划项目课题二成果之一，能够从科技文献摘要或全文中自动识别创新句，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/innovation_sentence_en_v2，将多个文档以list类型上传，将以json格式返回多篇文本研究问题句识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/innovation_sentence_en_v2
|
http://sciengine.las.ac.cn/innovation_sentence_en_v2
|
|
请求参数(FormData)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data": ["In modern recommender systems, there are usually comments or reviews from users that justify their ratings for different items. Trained on such textual corpus, explainable recommendation models learn to discover user interests and generate personalized explanations. Though able to provide plausible explanations, existing models tend to generate repeated sentences for different items or empty sentences with insufficient details. This begs an interesting question: can we immerse the models in a multimodal environment to gain proper awareness of real-world concepts and alleviate above shortcomings? To this end, we propose a visually-enhanced approach named METER with the help of visualization generation and text–image matching discrimination: the explainable recommendation model is encouraged to visualize what it refers to while incurring a penalty if the visualization is incongruent with the textual explanation. Experimental results and a manual assessment demonstrate that our approach can improve not only the text quality but also the diversity and explainability of the generated explanations."]
,"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 创新句识别结果
|
{0: [{'probability': 0.9584082365036011, 'sentence': 'To this end, we propose a visually-enhanced approach named METER with the help of visualization generation and text–image matching discrimination: the explainable recommendation model is encouraged to visualize what it refers to while incurring a penalty if the visualization is incongruent with the textual explanation.'}]}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
二、通用短语级知识对象挖掘引擎
2.1 英文科研实体识别v2.0
英文科研实体识别v2.0识别是重点研发计划项目课题二成果之一，能够从英文科技文献摘要或全文中自动识别研究问题、方法模型、数据资料、仪器设备、度量指标、软件系统等8类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_ner_sci_en_v2，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_ner_sci_en_v2
|
http://sciengine.las.ac.cn/api_ner_sci_en_v2
|
|
请求参数(FormData)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"Characteristics of patients with coronavirus disease (COVID-19) confirmed using an IgM-IgG antibody test. Coronavirus disease (COVID-19)...",
"Low scale Dirac leptogenesis and dark matter with observable ΔNeff. We propose a gauged B−L extension of the standard model (SM) where light neutrinos are of Dirac ..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 实体识别结果
|
{'0': {'仪器设备': [], '地点': [], '度量指标': ['positivity rate', 'sensitivity', 'virus exposure', 'inflammatory response'], '数据资料': [], '方法模型': ['IgM-IgG antibody test', 'Nucleic acid testing', 'IgM-IgG combined assay', 'nucleic acid tests', 'IgM-IgG testing'], '理论原理': [], '研究问题': ['coronavirus disease(covid-19)', 'betacoronavirus', 'severe acute respiratory syndrome coronavirus 2(sars-cov-2)', 'viral infections', 'COVID-19 diagnoses', 'SARS-CoV-2 infection'], '科学家': [], '软件系统': []}, '1': {'仪器设备': [], '地点': [], '度量指标': ['B−L violation', 'B−L charge', 'B−L gauge interactions', 'gauge sector couplings', 'B−L gauge sector parameter space', 'dark matter requirements', 'thermalised relativistic degrees of freedom', 'collider bounds'], '数据资料': [], '方法模型': ['gauged B−L extension', 'standard model(sm)', 'tiny Yukawa couplings', 'scalar doublet'], '理论原理': [], '研究问题': ['Low scale Dirac leptogenesis', 'dark matter', 'observable ΔNeff', 'light neutrinos', 'Dirac type', 'Majorana fermions', 'fermion coupling', 'SM leptons', 'equilibrium decay', 'lepton asymmetry', 'decaying fermion', 'washout processes', 'SM singlet particle', 'light Dirac neutrinos'], '科学家': [], '软件系统': []}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
2.2 中文科研实体识别v2.0
中文科研实体识别v2.0识别是重点研发计划项目课题二成果之一，能够从中文科技文献摘要或全文中自动识别研究问题、方法模型、数据资料、仪器设备、度量指标、软件系统等8类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_ner_sci_cn_v2，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_ner_sci_cn_v2
|
http://sciengine.las.ac.cn/api_ner_sci_cn_v2
|
|
请求参数(FormData)
|
"data": 摘要文本列表
"token": 验证码数字
|
{
"data":[
"基于随机森林的直升机飞行状态识别方法。针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题....",
"改进AFSA算法优化SVM的变压器故障诊断。提出一种基于改进人工鱼群算法优化支持向量机(SVM)的变压器故障诊断方法 ..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 实体识别结果
|
{'0': {'仪器设备': ['随机森林分类器'], '度量指标': ['识别率', '特征参数', '飞行状态', '识别速度'], '数据资料': ['飞行数据', '直升机实飞数据'], '方法模型': ['去野点', '限幅', '平滑处理', 'RBF神经网络法', 'SVM法'], '研究问题': ['直升机飞行状态识别方法', '全起落飞行状态', '直升机寿命预测']}, '1': {'仪器设备': ['SVM分类器'], '度量指标': ['寻优效率', '求解精度', '核函数参数', '惩罚系数', '分类精度', '诊断正确率'], '方法模型': ['AFSA算法', '人工鱼群算法', '决策导向无环图(DDAG)方法', 'SVM多分类决策模型', '仿真实验', '网格搜索法', 'Grid-SVM', 'GA-SVM', 'PSO-SVM'], '研究问题': ['变压器故障诊断方法'], '软件系统': ['SVM']}, '2': {'度量指标': ['负熵', '源信号数目', '语音时域波形', '信噪比'], '方法模型': ['FastICA语音信号分离算法', 'FastICA(Fast Independent Component Algorithm)语音信号盲分离算法', '仿真实验'], '研究问题': ['源信号数目估计', '语音信号分离及复原', '信号盲分离', '信号分选']}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
2.3 英文研究问题短语识别
英文研究问题短语识别是重点研发计划项目课题二的研究成果之一，给定论文题目、摘要、关键词，能够自动提取论文最主要研究问题短语，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/question_phrase_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/question_phrase_en
|
http://sciengine.las.ac.cn/question_phrase_en
|
|
请求参数(JSON)
|
"data": 论文列表，每篇论文用字典形式存储论文的题目、摘要与关键词
"token": 验证码数字
|
{
"data":[
{
"title": "Urinary fluorescent metabolite O-aminohippuric acid is a useful biomarker for lung cancer detection"
"abstract": "INTRODUCTION Urine contains diagnostically important metabolites that can act as natural fluorophores. However, whether these fluorescent metabolites can be used in lung cancer diagnosis is unknown. OBJECTIVES This study was conducted to determine whether fluorescent urinary metabolites could be useful biomarkers for lung cancer detection. METHODS A total of 46 lung cancer patients and 185 volunteers without cancer were evaluated between November 2013 and November 2014. Samples of the first urine of the day were collected from lung cancer patients and diagnosed at the Hamamatsu University School of Medicine and the Hamamatsu Medical Center prior to cancer treatment, and from volunteers without cancer at the Hamamatsu Medical Imaging Center. Fluorescent urinary metabolites were screened by high-performance liquid chromatography and select effective fluorescent substances for distinguishing cancer from non-cancer status. RESULTS The fraction of patients at each stage of cancer severity were: 41.3% stage I, 8.7% stage II, 19.6% stage III, and 30.4% stage IV. A robust predictive biomarker for lung cancer was selected by the multivariate logistic analysis of fluorescent metabolites and identified to be O-aminohippuric acid (OAH). The area under the curve (AUC) data for OAH was 0.837 (95% CI 0.769-0.898, P < 0.001). CONCLUSION We identified a fluorescent urinary metabolite that can predict lung cancer. OAH exceeds the AUC (0.817) of lung cancer detection by AminoIndex® cancer screening, can be analyzed non-invasively without additional sample processing, and may be a valuable addition to existing lung cancer prediction models."
"keywords" "Center prior; lung cancer diagnosis; multivariate logistic analysis; Lung cancer; cancer detection; predictive biomarker; lung cancer patients; stage IV; Biomarker; cancer treatment; area under curve; O-aminohippuric acid; stage II; Urinary fluorescent metabolite; Medical Center; fluorescent metabolites; prediction models"
},
......
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 研究问题短语识别结果
|
{"0": "useful biomarker for lung cancer detection"}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
三、专业领域知识对象挖掘引擎
3.1 英文医学领域知识对象挖掘引擎
英文医学领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出body、disease、drug、gene、protein、symptom、test、virus共8类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_medicine_domain_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_medicine_domain_en
|
http://sciengine.las.ac.cn/api_medicine_domain_en
|
|
请求参数(FormData)
|
"data": 英文医学领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"Characteristics of patients with coronavirus disease (COVID-19) confirmed using an IgM-IgG antibody test. Coronavirus disease (COVID-19), caused by a novel betacoronavirus...",
"Low scale Dirac leptogenesis and dark matter with observable ΔNeff. We propose a gauged B−L extension of the standard model (SM) where light neutrinos are of Dirac type by virtue of tiny Yukawa couplings with the SM Higgs..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 医学领域知识对象识别结果
|
{'0': {'body': ['lungs'], 'disease': ['2019 coronavirus disease', 'COVID - 19'], 'drug': ['Methylprednisolone'], 'gene': [], 'protein': [], 'symptom': ['expectoration , fatigue , chills', 'headache', 'chills', 'fever', 'dyspnea', 'fatigue', 'chest pain', 'expectoration', 'cough', 'pharyngalgia'], 'test': ['CRP', 'PCT', 'CT', 'ESR', 'computed tomography'], 'virus': ['coronavirus']}, '1': {...}...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
3.2 英文计算机领域知识对象挖掘引擎
英文计算机领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出Generic、Material、Method、Metric、Task、Tool共6类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_computer_domain_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_computer_domain_en
|
http://sciengine.las.ac.cn/api_computer_domain_en
|
|
请求参数(FormData)
|
"data": 英文计算机领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"Deep learning (DL) for predicting Alzheimer's disease (AD) has provided timely intervention in disease progression yet still demands attentive interpretability to explain how their DL models make definitive decisions...",
"The recently released GPT-4 Code Interpreter has demonstrated remarkable proficiency in solving challenging math problems..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 计算机领域知识对象识别结果
|
{'0': {'entities': {'Generic': [], 'Material': ['gray matter density map', 'parcellated region of interest (ROI)', 'visual explanatory maps', 'counterfactual-labeled structural MRIs'], 'Method': ['lightweight linear classifier', 'counterfactual reasoning', 'Deep learning (DL)'], 'Metric': ['volumetric changes', 'AD-relatedness index'], 'Others': [], 'Task': ["predicting Alzheimer's disease (AD)"], 'Tool': []}, 'relations': [{'entity_left': 'Deep learning (DL)', 'entity_right': "predicting Alzheimer's disease (AD)", 'relation': 'used-for'}, {'entity_left': 'counterfactual reasoning', 'entity_right': 'visual explanatory maps', 'relation': 'used-for'}, {'entity_left': 'counterfactual-labeled structural MRIs', 'entity_right': 'gray matter density map', 'relation': 'transformed-into'}, {'entity_left': 'gray matter density map', 'entity_right': 'volumetric changes', 'relation': 'measure-for'}, {'entity_left': 'volumetric changes', 'entity_right': 'parcellated region of interest (ROI)', 'relation': 'evaluate-for'}, {'entity_left': 'lightweight linear classifier', 'entity_right': 'parcellated region of interest (ROI)', 'relation': 'used-for'}, {'entity_left': 'AD-relatedness index', 'entity_right': "predicting Alzheimer's disease (AD)", 'relation': 'evaluate-for'}]}, '1': {...}...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
3.3 英文化学领域知识对象挖掘引擎
英文化学领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出Catalyst、Inorganics、Organics、Reactants、Reaction、Solvent、Temperature、Time共8类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_chemistry_domain_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_chemistry_domain_en
|
http://sciengine.las.ac.cn/api_chemistry_domain_en
|
|
请求参数(FormData)
|
"data": 英文化学领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"Ce 3-x RhGa 10+3x (x = 0.36) is a new member of the linear intergrowth structure series built up from segments of the BaAl 4 , AlB 2 and CaF 2 structure types...",
"Carrageenan is a generic name for a family of natural, water-soluble, sulphated galactans isolated from red seaweeds and exploited commercially..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 化学领域知识对象识别结果
|
{'0': {'entities': {'Catalyst': [], 'Inorganics': [], 'Organics': [], 'Reactants': ['Pr 3 NiGa 10', 'BaAl4', 'AlB2', 'Ga atoms', 'Ce 3-x RhGa 10+3x (x = 0.36)', 'CaF2', 'Ce atoms'], 'Reaction': [], 'Solvent': [], 'Temperature': [], 'Time': []}, 'relations': [{'entity_left': 'Ce 3-x RhGa 10+3x (x = 0.36)', 'entity_right': 'BaAl4, AlB2, CaF2', 'relation': 'Created-From'}, {'entity_left': 'Ce 3-x RhGa 10+3x (x = 0.36)', 'entity_right': 'Pr 3 NiGa 10', 'relation': 'Created-From'}, {'entity_left': 'Ce 3-x RhGa 10+3x (x = 0.36)', 'entity_right': 'Ga atoms', 'relation': 'Along with'}, {'entity_left': 'Ga atoms', 'entity_right': 'Ce atoms', 'relation': 'Created-By'}]}, '1':{...}...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
3.4 英文物理学领域知识对象挖掘引擎
英文物理学领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出数据分析、计量、仪器、方法理论、模型、现象规律共6类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_physics_domain_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_physics_domain_en
|
http://sciengine.las.ac.cn/api_physics_domain_en
|
|
请求参数(FormData)
|
"data": 英文物理学领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"Bow shock structures are important to various hydrodynamics and magnetohydrodynamics (MHD) phenomena in geophysics and astrophysics...",
"Data assimilation is the process by which observational data are fused with scientific information. The Bayesian paradigm provides a coherent probabilistic approach for combining information, and thus is an appropriate framework for data assimilation..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 物理学领域知识对象识别结果
|
{'0': {'现象规律': ['Bow shock', 'hydrodynamics', 'magnetohydrodynamics'], '无分类': ['scaling laws,']}, '1': {...}...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
3.5 英文农业领域知识对象挖掘引擎
英文农业领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出Grain and oil crops、
Fruits and vegetables、
Edible fungi、
Flowers、
Medicinal materials、
Livestock and poultry、
Aquatic products、
Tea、
Agricultural production and operation entities、
Temperature、
Humidity、
Light、
Soil type、
Gas、
Fertilizer、
Pesticide、
Veterinary drug、
Feed additives、
Pests and diseases、
Infected plant parts、
Agricultural control、
Physical control、
Biological control、
Chemical control共24类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_agriculture_domain_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_agriculture_domain_en
|
http://sciengine.las.ac.cn/api_agriculture_domain_en
|
|
请求参数(FormData)
|
"data": 英文农业领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"Tomato plants, Lycopersicon esculentum L. cv. Tmknvf2, and watermelon plants, Citrullus lanatus [Thomb.] Mansf. cv. Dulce maravilla, were grown for 30 days at different temperatures (15, 25 and 35°C)...",
"Proline and quaternary ammonium compounds (QAC), in addition to being N-rich, are known to accumulate in plants under different environmental stress conditions..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 农业领域知识对象识别结果
|
{'0': {'Fruits and vegetables': ['tomato'], 'Temperature': ['35°C', '25', '35°C', '15', '15°C']}, '1': {...}...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
3.6 英文资源环境领域知识对象挖掘引擎
英文资源环境领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出Animals、
Plants、
Fresh water、
Ocean、
Underground water、
Energy minerals、
Metal minerals、
Non-metallic minerals、
Natural ecological risks、
Technological disaster、
Natural disasters、
Disaster losses、
Emergency response共13类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_resource_domain_en，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_resource_domain_en
|
http://sciengine.las.ac.cn/api_resource_domain_en
|
|
请求参数(FormData)
|
"data": 英文资源环境领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"Small mammals are suspected of contributing to the dissemination of Toxocara canis and helping with the parasite survival during periods when there is a temporary absence of suitable definitive hosts. While the primary aim of the current study was the assessment of seroprevalence of Toxocara spp. infections in wild rodents in Poland...",
"Proline and quaternary ammonium compounds (QAC), in addition to being N-rich, are known to accumulate in plants under different environmental stress conditions..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 资源环境领域知识对象识别结果
|
{'0': {'Animals': ['Myodes glareolus', 'Alexandromys oeconomus', 'Microtus arvalis', 'Microtus agrestis']}, '1': {...}...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
3.7 中文工业（航空制造业）领域知识对象挖掘引擎
中文工业（航空制造业）领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出机械设备、
发动机、
电气设备、
发动机参数、
工序部件、
机械部件故障、
引擎组件、
飞机系统、
维护程序、
结构、
发动机操作系统、
飞机制造商、
发动机制造商、
供配电设备共14类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_industry_domain_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_industry_domain_cn
|
http://sciengine.las.ac.cn/api_industry_domain_cn
|
|
请求参数(FormData)
|
"data": 中文工业（航空制造业）领域领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"波音737NG飞机的发动机EEC工作方式分为正常和备用两种，备用方式又分为软备用（soft alternate）和硬备用（hard alternate）两种。波音公司提供的技术资料包含了触发EEC软、硬备用两种方式的工作条件以及对发动机推力的影响，但不包含备用方式的工作原理和依据。本文将利用气体状态参数和气体理想绝能滞止状态的计算公式，对软、硬备用方式的工作原理进行分析和说明，帮助相关工作人员（飞行员、维修人员）更好地理解EEC工作方式，提升安全运行水平...",
"一种将喷气推力和螺旋桨推力相结合的发动机。它的外层部分包裹了一个大型的涡扇，涡扇产生的气流通过发动机核心区域后，一部分气流会被压缩并燃烧，产生喷气推力，另一部分则会绕过发动机核心，推动外部的螺旋桨，产生螺旋桨推力。因此，涡扇发动机既能提供高速喷气推力，也能提供低速高牵引力的螺旋桨推力。涡扇发动机通常被用于中短程客机和商用飞机上..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 工业（航空制造业）领域知识对象识别结果
|
{'0': {'发动机': ['发动机'], '发动机参数': ['推力'], '飞机制造商': ['波音公司']}, '1': {...}...}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
3.8 中文科技政策领域知识对象挖掘引擎
中文科技政策领域知识对象挖掘引擎是重点研发计划项目课题二的研究成果之一，给定科技文献文本片段，能够自动从中挖掘出政策工具、政策目标、政策要求、政策保障共4类知识对象，提供基于http POST方式的API接口。
支持多篇文档（建议分批次上传，每次数据不超过50条），url为http://sciengine.las.ac.cn/api_policy_domain_cn，将多个摘要文档以list类型上传，将以json格式返回多篇摘要文本科研实体识别结果。
|
|
格式
|
示例
|
|
请求URL
|
/api_policy_domain_cn
|
http://sciengine.las.ac.cn/api_policy_domain_cn
|
|
请求参数(FormData)
|
"data": 中文科技政策领域领域科技文献片段列表
"token": 验证码数字
|
{
"data":[
"按照党中央、国务院统一部署，建立健全国家能源委员会统筹协调、有关部门协同推动、各省级政府和重点能源企业细化落实的规划实施工作机制。国家发展改革委、国家能源局要制定本规划实施方案，确定年度目标并加强年度综合平衡。各地区要根据国家规划确定的重要目标、重点任务、重大工程、重点项目，制定具体工作方案，细化时间表、路线图、优先序，提出分年滚动工作计划安排。各有关部门要根据职责分工细化任务举措，加强资金、用地等对重大能源项目的支持保障力度，及时研究解决-37—实施中遇到的问题。国家能源委员会办公室要切实履行职责，确保规划有力推进、有效实施...",
"推动能源体制革命，加强能源行业管理机构建设,提高能源监管水平，落实多规合一、加强规划衔接，健全法规体系、经济激励手段，全面支持能源消费、能源供给和能源技术革命..."
],"token":99999
}
|
|
成功请求返回数据(JSON)
|
摘要序号: 中文科技政策领域知识对象识别结果
|
{'0': {'政策工具': [], '政策目标': [], '政策要求': [], '政策保障': [{'按照党中央、国务院统一部署，建立健全国家能源委员会统筹协调、有关部门协同推动、各省级政府和重点能源企业细化落实的规划实施工作机制。': 0}, {'国家发展改革委、国家能源局要制定本规划实施方案，确定年度目标并加强年度综合平衡。': 1}, {'各地区要根据国家规划确定的重要目标、重点任务、重大工程、重点项目，制定具体工作方案，细化时间表、路线图、优先序，提出分年滚动工作计划安排。': 2}, {'国家能源委员会办公室要切实履行职责，确保规划有力推进、有效实施。': 4}]}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
四、科技文献PDF解析
4.1 英文PDF解析引擎
英文PDF解析引擎能实现PDF中文本解析，提供基于http FormData方式的API接口。
一次上传一篇PDF，PDF大小不大于20MB，url为http://sciengine.las.ac.cn/pdf_parser_en，将一篇PDF格式论文上传，将分别以纯文本格式和json格式返回解析结果。
|
|
格式
|
示例
|
|
请求URL
|
/pdf_parser_en
|
http://sciengine.las.ac.cn/pdf_parser_en
|
|
请求参数(FormData)
|
"file": 待处理的PDF格式论文
"token": 验证码数字
|
{
"file": PDF格式论文，
"json": ("", json.dump({"token": "Your token"}), "application/json")
}
|
|
成功请求返回数据(JSON)
|
解析结果包含纯文本格式的解析结构和JSON格式的结构化解析结果，纯文本的解析结果的键值为"txt_result", JSON格式结构化解析结果的键值为"json_result"
|
{"txt_result": "...............", "json_result": {"abstract": "........", "authors": ["..", ".."...], ...}}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|
4.1 英文PDF解析引擎_v2
英文PDF解析引擎v2能实现PDF文本、图片的多模态解析与关联，提供基于http FormData方式的API接口。
一次上传一篇PDF，PDF大小不大于20MB，url为http://sciengine.las.ac.cn/pdf_parser_en_v2，将一篇PDF格式论文上传，将分别以json格式返回解析结果。
英文PDF解析引擎_v2，由国家重点研发计划青年科学家项目“科技文献文本内容的对象化知识表示与推理的关键技术与软件系统”支持。
|
|
格式
|
示例
|
|
请求URL
|
/pdf_parser_en
|
http://sciengine.las.ac.cn/pdf_parser_en_v2
|
|
请求参数(FormData)
|
"file": 待处理的PDF格式论文
"token": 验证码数字
|
{
"file": PDF格式论文，
"json": ("", json.dump({"token": "Your token"}), "application/json")
}
|
|
成功请求返回数据(JSON)
|
解析结果包含纯文本格式的解析结构和JSON格式的结构化解析结果，纯文本的解析结果的键值为"txt_result", JSON格式结构化解析结果的键值为"json_result"
|
{"json_result": {"abstract": "........", "authors": ["..", ".."...], ...}, "paragraphs": [......{paragraph_idx: 98, type: "type": "body_figure_div", "path": "http:sciengine.las.ac.cn/pdf_parser_figure/xxxx"}......]}
|
|
错误信息返回数据(JSON)
|
"info":错误信息
|
{
"info": "Server not available!"
}
{
"info": "Token incorrect!"
}
|