論文の概要: Prediction of Adverse Biological Effects of Chemicals Using Knowledge Graph Embeddings

• arxiv url: http://arxiv.org/abs/2112.04605v1
• Date: Wed, 8 Dec 2021 22:19:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 23:17:56.162001
• Title: Prediction of Adverse Biological Effects of Chemicals Using Knowledge Graph Embeddings
• Title（参考訳）: 知識グラフ埋め込みを用いた化学物質の逆生物学的効果の予測
• Authors: Erik B. Myklebust, Ernesto Jim\'enez-Ruiz, Jiaoyan Chen, Raoul Wolf, Knut Erik Tollefsen
• Abstract要約: 知識グラフ埋め込みを用いることで,ニューラルネットワークによる効果予測の精度が向上することを示す。 我々は,知識グラフ埋め込みモデルの特定の特性を評価し,個々のモデルの性能に光を当てる。
• 参考スコア（独自算出の注目度）: 5.1168938454615205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We have created a knowledge graph based on major data sources used in ecotoxicological risk assessment. We have applied this knowledge graph to an important task in risk assessment, namely chemical effect prediction. We have evaluated nine knowledge graph embedding models from a selection of geometric, decomposition, and convolutional models on this prediction task. We show that using knowledge graph embeddings can increase the accuracy of effect prediction with neural networks. Furthermore, we have implemented a fine-tuning architecture which adapts the knowledge graph embeddings to the effect prediction task and leads to a better performance. Finally, we evaluate certain characteristics of the knowledge graph embedding models to shed light on the individual model performance.
• Abstract（参考訳）: 我々は生態毒性リスクアセスメントで使用される主要なデータソースに基づく知識グラフを作成した。 我々はこの知識グラフをリスク評価の重要な課題、すなわち化学効果予測に適用した。 この予測課題における幾何学的,分解的,畳み込み的モデルの選択から,9つの知識グラフ埋め込みモデルを評価した。 ナレッジグラフ埋め込みを用いることで,ニューラルネットワークによる効果予測の精度が向上することを示す。 さらに,知識グラフ埋め込みを効果予測タスクに適用し,よりよい性能を実現するための微調整アーキテクチャを実装した。 最後に,知識グラフ埋め込みモデルの特定の特性を評価し,個々のモデルの性能に光を当てる。

関連論文リスト

• Research on Adverse Drug Reaction Prediction Model Combining Knowledge Graph Embedding and Deep Learning [36.703773706187256]
  本稿では,知識グラフの埋め込みと深層学習に基づく薬物反応予測モデルを開発する。 得られた予測モデルは、予測精度と安定性が良好であり、後続の安全な薬剤指導のための効果的な基準を提供することができる。
  論文  参考訳（メタデータ） (2024-07-23T03:25:55Z)
• GraphCloak: Safeguarding Task-specific Knowledge within Graph-structured Data from Unauthorized Exploitation [61.80017550099027]
  グラフニューラルネットワーク(GNN)は、さまざまな分野でますます普及している。 個人データの不正利用に関する懸念が高まっている。 近年の研究では、このような誤用から画像データを保護する効果的な方法として、知覚不能な毒殺攻撃が報告されている。 本稿では,グラフデータの不正使用に対する保護のためにGraphCloakを導入する。
  論文  参考訳（メタデータ） (2023-10-11T00:50:55Z)
• Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report Generation [92.73584302508907]
  コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。 詳しくは、グラフの基本構造は一般知識から事前構築される。 各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
  論文  参考訳（メタデータ） (2023-03-18T03:53:43Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• A Deep Learning Approach to the Prediction of Drug Side-Effects on Molecular Graphs [2.4087148947930634]
  グラフニューラルネットワークを用いて薬物副作用を予測する手法を開発した。 私たちは、自由にアクセス可能で、確立されたデータソースからデータセットを構築します。 その結果,本手法は,多くのパラメータや指標の下で,分類能力の向上を図っている。
  論文  参考訳（メタデータ） (2022-11-30T10:12:41Z)
• Understanding Adverse Biological Effect Predictions Using Knowledge Graphs [11.607236829607135]
  我々は、最も関連性の高い効果データからなる知識グラフ(KG)に基づく効果を、ドメイン固有の背景知識として外挿する。 背景知識がモデル予測性能を最大40%向上させる:$R2$(決定係数)
  論文  参考訳（メタデータ） (2022-10-28T08:32:11Z)
• Robust Causal Graph Representation Learning against Confounding Effects [21.380907101361643]
  本稿では,ロバスト因果グラフ表現学習(RCGRL)を提案する。 RCGRLは、無条件のモーメント制約の下でインストゥルメンタル変数を生成するアクティブなアプローチを導入し、グラフ表現学習モデルにより、共同設立者を排除している。
  論文  参考訳（メタデータ） (2022-08-18T01:31:25Z)
• Contrastive Brain Network Learning via Hierarchical Signed Graph Pooling Model [64.29487107585665]
  脳機能ネットワーク上のグラフ表現学習技術は、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を容易にする。 本稿では,脳機能ネットワークからグラフレベル表現を抽出する階層型グラフ表現学習モデルを提案する。 また、モデルの性能をさらに向上させるために、機能的脳ネットワークデータをコントラスト学習のために拡張する新たな戦略を提案する。
  論文  参考訳（メタデータ） (2022-07-14T20:03:52Z)
• Tucker decomposition-based Temporal Knowledge Graph Completion [35.56360622521721]
  次数4テンソルのタッカー分解にインスパイアされた時間知識グラフ補完のための新しいテンソル分解モデルを構築する。 提案モデルは完全に表現力のあるモデルであることが実証され、いくつかの公開ベンチマークに対して最先端の結果が報告される。
  論文  参考訳（メタデータ） (2020-11-16T07:05:52Z)
• Graph Neural Networks for the Prediction of Substrate-Specific Organic Reaction Conditions [79.45090959869124]
  有機化学反応をモデル化するために,グラフニューラルネットワーク(GNN)を用いた系統的研究を行った。 実験試薬と条件の識別に関わる分類タスクに対して、7つの異なるGNNアーキテクチャを評価した。
  論文  参考訳（メタデータ） (2020-07-08T17:21:00Z)
• 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。