Biodomain中的数据集，如word2vec和Glove中使用的Word相似性数据集

Question

我正在培训生物医学文本中的word2vec。为了执行单词相似性和单词类比测试，我希望有一对具有相同关系的生物医学术语（可以是任何），就像我们在word2vec中有一个完整的City-State数据列表。我试图搜索网络，但由于我是新手，我发现它很混乱。

那么，我在哪里可以找到与药物基因或蛋白质作用等有关的列表？或者我怎样才能挖掘这些数据。请建议公开可用的数据集。另外，请建议我还可以查询的其他有趣关系。

另一种方式是使用可用的本体，因为它们包括概念之间的关系，例如，有部分，是一种方式，是一种原因，是一种症状等等我可以使用本体来提取这些对吗？如果是，那么什么是本体论和如何？

是否有任何可用于我的目的的金标准数据集？

Answer 1

那么，我在哪里可以找到与药物基因或蛋白质作用相关的列表， 等？

查看ChEMBL，例如aspirin被链接到其目标cyclooxygenase

另一种方式是因为它们包含的概念，如具有部分之间 关系，利用现有的本体，是-A-方式 - 的 - 这样做， 是-A-原因-of，is-a-symptom-of等。我可以使用本体来提取 这样的对吗？如果是，那么什么是本体论和如何？

一个好的开始是ChEBI ontology。