論文の概要: Biomedical Knowledge Graph Refinement with Embedding and Logic Rules
- arxiv url: http://arxiv.org/abs/2012.01031v1
- Date: Wed, 2 Dec 2020 08:55:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-30 12:56:31.330207
- Title: Biomedical Knowledge Graph Refinement with Embedding and Logic Rules
- Title（参考訳）: 埋め込みと論理則を用いたバイオメディカル知識グラフの微細化
- Authors: Sendong Zhao, Bing Qin, Ting Liu, Fei Wang
- Abstract要約: 多くの研究は、知識グラフに基づく推論が、そのような矛盾やノイズを取り除くのに有効であることを示した。
本稿では,BioKGの品質向上のためのBioGRERを提案する。
本稿では,知識グラフの埋め込みと論理規則推論を最適化するために,変分EMアルゴリズムを用いる。
- 参考スコア（独自算出の注目度）: 29.933066247708638
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Currently, there is a rapidly increasing need for high-quality biomedical
knowledge graphs (BioKG) that provide direct and precise biomedical knowledge.
In the context of COVID-19, this issue is even more necessary to be
highlighted. However, most BioKG construction inevitably includes numerous
conflicts and noises deriving from incorrect knowledge descriptions in
literature and defective information extraction techniques. Many studies have
demonstrated that reasoning upon the knowledge graph is effective in
eliminating such conflicts and noises. This paper proposes a method BioGRER to
improve the BioKG's quality, which comprehensively combines the knowledge graph
embedding and logic rules that support and negate triplets in the BioKG. In the
proposed model, the BioKG refinement problem is formulated as the probability
estimation for triplets in the BioKG. We employ the variational EM algorithm to
optimize knowledge graph embedding and logic rule inference alternately. In
this way, our model could combine efforts from both the knowledge graph
embedding and logic rules, leading to better results than using them alone. We
evaluate our model over a COVID-19 knowledge graph and obtain competitive
results.
- Abstract（参考訳）: 現在、直接的かつ正確なバイオメディカル知識を提供する高品質なバイオメディカル知識グラフ(BioKG)が急速に求められている。
新型コロナウイルス(covid-19)の状況では、この問題はさらに強調される必要がある。
しかし、ほとんどのBioKGの構築には、文学における誤った知識記述や欠陥情報抽出技術から生じる多くの矛盾やノイズが含まれている。
多くの研究は、知識グラフに基づく推論が、そのような矛盾やノイズを取り除くのに有効であることを示した。
本稿では,バイオkgにおける三重項をサポートし否定するナレッジグラフ埋め込みと論理規則を包括的に結合したバイオkgの品質向上手法を提案する。
The proposed model, the BioKG refinement problem is formulated as the probability estimation of triplet in the BioKG。
我々は変分emアルゴリズムを用いて知識グラフ埋め込みと論理規則推論を交互に最適化する。
このようにして、我々のモデルは知識グラフ埋め込みと論理ルールの両方からの努力を組み合わせることができるので、単独で使うよりも良い結果が得られるでしょう。
私たちは、covid-19のナレッジグラフよりもモデルを評価し、競争力のある結果を得る。
関連論文リスト
- Graph Relation Distillation for Efficient Biomedical Instance
Segmentation [80.51124447333493]
本稿では,効率的なバイオメディカル・インスタンス・セグメンテーションのためのグラフ関係蒸留手法を提案する。
画像内レベルと画像間レベルの両方に展開する2つのグラフ蒸留方式を導入する。
多くのバイオメディカルデータセットの実験結果から,本手法の有効性が検証された。
論文 参考訳（メタデータ） (2024-01-12T04:41:23Z) - Diversifying Knowledge Enhancement of Biomedical Language Models using
Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。
バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。
計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文 参考訳（メタデータ） (2023-12-21T14:26:57Z) - Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。
本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文 参考訳（メタデータ） (2023-10-10T14:37:17Z) - Applying BioBERT to Extract Germline Gene-Disease Associations for Building a Knowledge Graph from the Biomedical Literature [0.0]
本稿では,ジェムリン遺伝子と疾患を結合する知識グラフ構築手法SimpleGermKGを提案する。
遺伝子および疾患の抽出には、バイオメディカルコーパス上でトレーニング済みのBERTモデルであるBioBERTを用いる。
記事,遺伝子,疾患間の意味的関連性について,部分的関係性アプローチを実装した。
知識グラフには297の遺伝子、130の疾患、46,747のトリプルが含まれている。
論文 参考訳（メタデータ） (2023-09-11T18:05:12Z) - Multimodal brain age estimation using interpretable adaptive
population-graph learning [58.99653132076496]
下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。
注意機構は、画像と非画像の特徴のセットに重みを割り当てる。
グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
論文 参考訳（メタデータ） (2023-07-10T15:35:31Z) - Knowledge Graph Embeddings in the Biomedical Domain: Are They Useful? A
Look at Link Prediction, Rule Learning, and Downstream Polypharmacy Tasks [12.896135204106423]
本研究では,最近のバイオメディカル知識グラフBioKGの文脈に最先端の知識グラフ埋め込みモデルを適用することを目的とする。
また, HITS@10のスコアに基づいて, 同じバイオメディカル知識グラフを用いた3倍の性能向上を実現した。
その結果,大規模なバイオメディカル知識グラフから学習した知識を下流のユースケースに移すことが可能であることが示唆された。
論文 参考訳（メタデータ） (2023-05-31T16:04:25Z) - BERT Based Clinical Knowledge Extraction for Biomedical Knowledge Graph
Construction and Analysis [0.4893345190925178]
本稿では,バイオメディカル臨床ノートからの知識抽出と分析のためのエンドツーエンドアプローチを提案する。
提案フレームワークは, 関連構造化情報を高精度に抽出できる。
論文 参考訳（メタデータ） (2023-04-21T14:45:33Z) - Scientific Language Models for Biomedical Knowledge Base Completion: An
Empirical Study [62.376800537374024]
我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。
LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
論文 参考訳（メタデータ） (2021-06-17T17:55:33Z) - Neural Multi-Hop Reasoning With Logical Rules on Biomedical Knowledge
Graphs [10.244651735862627]
我々は,創薬の現実世界における課題に基づいて経験的研究を行う。
我々は,この課題を,化合物と疾患の両方が知識グラフの実体に対応するリンク予測問題として定式化する。
本稿では,強化学習と論理ルールに基づく政策誘導歩行を組み合わせた新しい手法PoLoを提案する。
論文 参考訳（メタデータ） (2021-03-18T16:46:11Z) - Benchmark and Best Practices for Biomedical Knowledge Graph Embeddings [8.835844347471626]
SNOMED-CT知識グラフ上に,いくつかの最先端知識グラフ埋め込みモデルを学習する。
本稿では,バイオメディカル知識表現の学習に知識グラフのマルチリレーショナルな性質を活用することの重要性を論じる。
論文 参考訳（メタデータ） (2020-06-24T14:47:33Z) - A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for
Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。
構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文 参考訳（メタデータ） (2020-04-25T04:53:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。