Fugu-MT 論文翻訳(概要): Neurosymbolic AI for Reasoning on Biomedical Knowledge Graphs

論文の概要: Neurosymbolic AI for Reasoning on Biomedical Knowledge Graphs

arxiv url: http://arxiv.org/abs/2307.08411v1
Date: Mon, 17 Jul 2023 11:47:05 GMT
ステータス: 処理完了
システム内更新日: 2023-07-18 13:45:16.477624
Title: Neurosymbolic AI for Reasoning on Biomedical Knowledge Graphs
Title（参考訳）: バイオメディカル知識グラフに基づく推論のためのニューロシンボリックAI
Authors: Lauren Nicole DeLong, Ramon Fern\'andez Mir, Zonglin Ji, Fiona Niamh Coulter Smith, Jacques D. Fleuriot
Abstract要約: バイオメディカルデータセットは、しばしば知識グラフ(KG)としてモデル化される。したがって、KG完了(KGC)は、研究者が薬物再配置などのタスクを予測するのに役立ちます。
参考スコア（独自算出の注目度）: 0.9085310904484414
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Biomedical datasets are often modeled as knowledge graphs (KGs) because they capture the multi-relational, heterogeneous, and dynamic natures of biomedical systems. KG completion (KGC), can, therefore, help researchers make predictions to inform tasks like drug repositioning. While previous approaches for KGC were either rule-based or embedding-based, hybrid approaches based on neurosymbolic artificial intelligence are becoming more popular. Many of these methods possess unique characteristics which make them even better suited toward biomedical challenges. Here, we survey such approaches with an emphasis on their utilities and prospective benefits for biomedicine.
Abstract（参考訳）: 生物医学データセットは、生物医学システムの多元的、異質的、動的性質を捉えるため、知識グラフ(kgs)としてモデル化されることが多い。したがって、KG完了(KGC)は、研究者が薬物再配置などのタスクを予測するのに役立ちます。従来のKGCのアプローチはルールベースあるいは埋め込みベースであったが、ニューロシンボリック人工知能に基づくハイブリッドアプローチが普及しつつある。これらの手法の多くは、生物医学的な課題にさらに適する独特の特徴を持っている。本稿では, バイオメディシンの実用性, 将来性を重視したアプローチについて検討する。

関連論文リスト

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)
From Large Language Models to Knowledge Graphs for Biomarker Discovery in Cancer [0.9437165725355702]
人工知能(AI)の難しいシナリオは、バイオメディカルデータを使用して、がんの病態の診断と治療のレコメンデーションを提供することである。大規模知識グラフ(KG)は、意味的相互関連エンティティや関係に関する事実の統合と抽出によって構築することができる。本稿では,癌特異的バイオマーカー発見と対話型QAを活用するドメインKGを開発する。
論文参考訳（メタデータ） (2023-10-12T14:36:13Z)
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)
BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
論文参考訳（メタデータ） (2023-05-26T17:14:43Z)
Analysing Biomedical Knowledge Graphs using Prime Adjacency Matrices [1.6752182911522517]
バイオメディカルなKGのための新しい表現フレームワークであるプライム・アジャシエイト・マトリックス(PAM)を導入する。 PAMは、KG全体を単一の隣接行列で表し、ネットワークの複数の特性の高速さで表すことができる。トレーニングを必要としない従来の方法よりも、はるかに少ない時間で、より良い結果が得られることを示す。
論文参考訳（メタデータ） (2023-05-17T13:40:55Z)
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)
Explainable Biomedical Recommendations via Reinforcement Learning Reasoning on Knowledge Graphs [2.007262412327553]
知識グラフに基づくマルチホップ推論のニューロシンボリックアプローチは、透明な説明をもたらすことが示されている。そこで本研究では,薬品発見のためのアプローチについて検討し,その適用性について確固たる結論を導いた。このアプローチは、新しい生物学的な説明を生み出しながら、平均して21.7%のベースラインを上回ります。
論文参考訳（メタデータ） (2021-11-20T16:41:34Z)
Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
論文参考訳（メタデータ） (2021-09-27T17:00:14Z)
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 networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
論文参考訳（メタデータ） (2021-01-22T19:49:47Z)
Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文参考訳（メタデータ） (2020-08-05T15:45:54Z)

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。