論文の概要: KG-Hub -- Building and Exchanging Biological Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2302.10800v1
- Date: Tue, 31 Jan 2023 21:29:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 13:59:03.546435
- Title: KG-Hub -- Building and Exchanging Biological Knowledge Graphs
- Title（参考訳）: KG-Hub -- 生物学的知識グラフの構築と交換
- Authors: J Harry Caufield, Tim Putman, Kevin Schaper, Deepak R Unni, Harshad
Hegde, Tiffany J Callahan, Luca Cappelletti, Sierra AT Moxon, Vida Ravanmehr,
Seth Carbon, Lauren E Chan, Katherina Cortes, Kent A Shefchek, Glass
Elsarboukh, James P Balhoff, Tommaso Fontana, Nicolas Matentzoglu, Richard M
Bruskiewich, Anne E Thessen, Nomi L Harris, Monica C Munoz-Torres, Melissa A
Haendel, Peter N Robinson, Marcin P Joachimiak, Christopher J Mungall, Justin
T Reese
- Abstract要約: KG-Hubは知識グラフの標準化された構築、交換、再利用を可能にするプラットフォームである。
現在のKG-Hubプロジェクトは、新型コロナウイルス研究、薬物再精製、微生物-環境相互作用、希少疾患研究などのユースケースにまたがっている。
- 参考スコア（独自算出の注目度）: 0.5369297590461578
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knowledge graphs (KGs) are a powerful approach for integrating heterogeneous
data and making inferences in biology and many other domains, but a coherent
solution for constructing, exchanging, and facilitating the downstream use of
knowledge graphs is lacking. Here we present KG-Hub, a platform that enables
standardized construction, exchange, and reuse of knowledge graphs. Features
include a simple, modular extract-transform-load (ETL) pattern for producing
graphs compliant with Biolink Model (a high-level data model for standardizing
biological data), easy integration of any OBO (Open Biological and Biomedical
Ontologies) ontology, cached downloads of upstream data sources, versioned and
automatically updated builds with stable URLs, web-browsable storage of KG
artifacts on cloud infrastructure, and easy reuse of transformed subgraphs
across projects. Current KG-Hub projects span use cases including COVID-19
research, drug repurposing, microbial-environmental interactions, and rare
disease research. KG-Hub is equipped with tooling to easily analyze and
manipulate knowledge graphs. KG-Hub is also tightly integrated with graph
machine learning (ML) tools which allow automated graph machine learning,
including node embeddings and training of models for link prediction and node
classification.
- Abstract（参考訳）: 知識グラフ(KGs)は、異種データを統合し、生物学や他の多くの領域で推論を行うための強力なアプローチであるが、知識グラフの下流での活用を構築、交換、促進するための一貫性のあるソリューションは欠如している。
ここでは,知識グラフの構築,交換,再利用を標準化したプラットフォームであるkg-hubを紹介する。
特徴としては、Biolink Model(生物データの標準化のための高レベルデータモデル)に準拠したグラフを生成するためのシンプルなモジュール式の抽出-変換-ロード(ETL)パターン、OBO(Open Biological and Biomedical Ontology)オントロジーの容易な統合、上流データソースのキャッシュによるダウンロード、安定したURLでバージョン管理と自動更新されたビルド、クラウドインフラストラクチャ上のKGアーティファクトのWebブラウズ可能なストレージ、プロジェクト間の変換サブグラフの再利用などがある。
現在のKG-Hubプロジェクトは、新型コロナウイルス研究、薬物再精製、微生物-環境相互作用、希少疾患研究などのユースケースにまたがっている。
kg-hubは知識グラフを解析し操作するツールを備えている。
また、KG-Hubはグラフ機械学習(ML)ツールと密接に統合されており、ノードの埋め込みやリンク予測やノード分類のためのモデルのトレーニングを含むグラフ機械学習を自動化することができる。
関連論文リスト
- Distill-SynthKG: Distilling Knowledge Graph Synthesis Workflow for Improved Coverage and Efficiency [59.6772484292295]
大規模言語モデル(LLM)によって生成される知識グラフ(KG)は、検索・拡張生成(RAG)アプリケーションにとってますます価値が増している。
既存のKG抽出法は、大規模コーパスの処理に非効率なプロンプトベースのアプローチに依存している。
LLMに基づく多段階文書レベルのKGワークフローであるSynthKGを提案する。
我々はまた、RAGのための新しいグラフベースの検索フレームワークを設計する。
論文 参考訳（メタデータ） (2024-10-22T00:47:54Z) - LLaVA Needs More Knowledge: Retrieval Augmented Natural Language Generation with Knowledge Graph for Explaining Thoracic Pathologies [3.2221734920470797]
医用画像のための自然言語記述(NLE)を生成するために,知識グラフ(KG)ベースのデータストアを付加したビジョンランゲージフレームワークを提案する。
本フレームワークでは,生成した説明の精度を向上するだけでなく,直接データ検索を回避してデータのプライバシーを保護できるKGベースの検索機構を採用している。
これらのフレームワークはMIMIC-NLEデータセット上で検証され、最先端の結果が得られる。
論文 参考訳（メタデータ） (2024-10-07T04:59:08Z) - 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) - GraphMETRO: Mitigating Complex Graph Distribution Shifts via Mixture of Aligned Experts [75.51612253852002]
GraphMETROは、自然多様性をモデル化し、複雑な分散シフトをキャプチャするグラフニューラルネットワークアーキテクチャである。
GraphMETROはGOODベンチマークから4つのデータセットに対して最先端の結果を得る。
論文 参考訳（メタデータ） (2023-12-07T20:56:07Z) - GiGaMAE: Generalizable Graph Masked Autoencoder via Collaborative Latent
Space Reconstruction [76.35904458027694]
マスク付きオートエンコーダモデルは、グラフデータに対する優れた一般化能力に欠ける。
本稿では,GiGaMAEと呼ばれる新しいグラフマスマスキングオートエンコーダフレームワークを提案する。
私たちの結果は、グラフ構造化データに基づく基礎モデルの設計に光を当てます。
論文 参考訳（メタデータ） (2023-08-18T16:30:51Z) - An Open-Source Knowledge Graph Ecosystem for the Life Sciences [5.665519167428707]
PheKnowLatorは、存在論的基盤を持つ知識グラフの構築を自動化するセマンティックエコシステムである。
エコシステムには、KG構築リソース、分析ツール、ベンチマークが含まれている。
PheKnowLatorは、パフォーマンスやユーザビリティを損なうことなく、完全にカスタマイズ可能なKGを可能にする。
論文 参考訳（メタデータ） (2023-07-11T18:55:09Z) - 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) - Relational Learning Analysis of Social Politics using Knowledge Graph
Embedding [11.978556412301975]
本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。
ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。
このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
論文 参考訳（メタデータ） (2020-06-02T14:10:28Z) - KGTK: A Toolkit for Large Knowledge Graph Manipulation and Analysis [9.141014703209494]
KGTKは、KGを表現、生成、変換、拡張、分析するために設計されたデータサイエンス中心のツールキットである。
我々はKGTKを使ってWikidataやDBpedia、ConceptNetといった大規模なKGを統合・操作する現実世界のシナリオでこのフレームワークを説明します。
論文 参考訳（メタデータ） (2020-05-29T21:29:14Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳（メタデータ） (2020-04-30T14:16:19Z)
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。