論文の概要: Benchmark datasets for biomedical knowledge graphs with negative statements

• arxiv url: http://arxiv.org/abs/2307.11719v1
• Date: Fri, 21 Jul 2023 17:25:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 11:43:15.947573
• Title: Benchmark datasets for biomedical knowledge graphs with negative statements
• Title（参考訳）: 否定文を用いたバイオメディカル知識グラフのベンチマークデータセット
• Authors: Rita T. Sousa, Sara Silva, Catia Pesquita
• Abstract要約: 本稿では,負の文を持つ知識グラフのベンチマーク構築の難しさを回避することを目的とした,3つの関係予測タスクのためのデータセットのコレクションを提案する。 また、各データセットに2つの一般的なパスベースの手法で知識グラフを埋め込み、各タスクのパフォーマンスを評価する。 その結果, 負の文は知識グラフ埋め込みの性能を向上させることができることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge graphs represent facts about real-world entities. Most of these facts are defined as positive statements. The negative statements are scarce but highly relevant under the open-world assumption. Furthermore, they have been demonstrated to improve the performance of several applications, namely in the biomedical domain. However, no benchmark dataset supports the evaluation of the methods that consider these negative statements. We present a collection of datasets for three relation prediction tasks - protein-protein interaction prediction, gene-disease association prediction and disease prediction - that aim at circumventing the difficulties in building benchmarks for knowledge graphs with negative statements. These datasets include data from two successful biomedical ontologies, Gene Ontology and Human Phenotype Ontology, enriched with negative statements. We also generate knowledge graph embeddings for each dataset with two popular path-based methods and evaluate the performance in each task. The results show that the negative statements can improve the performance of knowledge graph embeddings.
• Abstract（参考訳）: 知識グラフは現実世界の実体に関する事実を表す。 これらの事実の多くは正の言明として定義される。 否定的な発言は少ないが、オープンワールドの仮定では極めて関連性が高い。 さらに、バイオメディカル領域において、いくつかのアプリケーションの性能向上が実証されている。 しかしながら、これらの負のステートメントを考慮したメソッドの評価をサポートするベンチマークデータセットは存在しない。 本稿では, タンパク質間相互作用予測, 遺伝子発現関連予測, 疾患予測の3つの関係予測用データセットについて, 負のステートメントを持つ知識グラフのベンチマーク構築の難しさを回避することを目的とした。 これらのデータセットには、2つの成功した生物医学的オントロジー、遺伝子オントロジーとヒト現象型オントロジーのデータが含まれており、負のステートメントが豊富である。 また,2つの一般的なパスベース手法を用いて,各データセットに対する知識グラフ埋め込みを生成し,各タスクの性能評価を行う。 その結果, 負の文は知識グラフ埋め込みの性能を向上させることができることがわかった。

関連論文リスト

• The Role of Graph Topology in the Performance of Biomedical Knowledge Graph Completion Models [3.1666540219908272]
  我々は,一般公開されているバイオメディカル知識グラフの特性を総合的に調査する。 実世界のアプリケーションで観測された精度とリンクを確立する。 すべてのモデル予測と新しい分析ツールをリリースします。
  論文  参考訳（メタデータ） (2024-09-06T08:09:15Z)
• The Heterophilic Graph Learning Handbook: Benchmarks, Models, Theoretical Analysis, Applications and Challenges [101.83124435649358]
  ホモフィリ原理では、同じラベルや類似属性を持つieノードが接続される可能性が高い。 最近の研究で、GNNのパフォーマンスとNNのパフォーマンスが満足できない非自明なデータセットが特定されている。
  論文  参考訳（メタデータ） (2024-07-12T18:04:32Z)
• Biomedical Knowledge Graph Embeddings with Negative Statements [1.7778609937758327]
  否定的なステートメントを明示的に考慮することは、エンティティの要約のようなタスクのパフォーマンスを改善することが示されている。 本稿では,知識グラフ表現学習プロセスに否定文を組み込む新しい手法であるTrueWalksを提案する。 本稿では, 肯定文と否定文を区別するだけでなく, 否定の意味的意味を考慮に入れた歩行生成手法を提案する。
  論文  参考訳（メタデータ） (2023-08-07T10:08:25Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• Heterogeneous Graph Neural Networks using Self-supervised Reciprocally Contrastive Learning [102.9138736545956]
  不均一グラフニューラルネットワーク(HGNN)は異種グラフのモデリングと解析において非常に一般的な手法である。 我々は,ノード属性とグラフトポロジの各ガイダンスに関する2つの視点を取り入れた,新規で頑健なヘテロジニアスグラフコントラスト学習手法であるHGCLを初めて開発する。 この新しいアプローチでは,属性とトポロジに関連情報を別々にマイニングする手法として,異なるが最も適した属性とトポロジの融合機構を2つの視点に適用する。
  論文  参考訳（メタデータ） (2022-04-30T12:57:02Z)
• Graph-in-Graph (GiG): Learning interpretable latent graphs in non-Euclidean domain for biological and healthcare applications [52.65389473899139]
  グラフは、医療領域において、非ユークリッドな非ユークリッドデータをユビキタスに表現し、分析するための強力なツールである。 近年の研究では、入力データサンプル間の関係を考慮すると、下流タスクに正の正の正則化効果があることが示されている。 タンパク質分類と脳イメージングのためのニューラルネットワークアーキテクチャであるGraph-in-Graph(GiG)を提案する。
  論文  参考訳（メタデータ） (2022-04-01T10:01:37Z)
• Implications of Topological Imbalance for Representation Learning on Biomedical Knowledge Graphs [16.566710222582618]
  知識グラフ埋め込みモデルが構造的不均衡によってどのように影響を受けるかを示す。 グラフトポロジを摂動させて、ランダムで生物学的に無意味な情報によって遺伝子ランクを人工的に変化させる方法を示す。
  論文  参考訳（メタデータ） (2021-12-13T11:20:36Z)
• Biomedical Knowledge Graph Refinement and Completion using Graph Representation Learning and Top-K Similarity Measure [1.4660617536303606]
  本研究は,統合生物医学知識グラフ chem2bio2rd の離散表現の学習を実証する。 学習した埋め込みベクトル間の単純なトップKコサイン類似度尺度を用いて知識グラフの補完と洗練を行う。
  論文  参考訳（メタデータ） (2020-12-18T22:19:57Z)
• Handling Missing Data with Graph Representation Learning [62.59831675688714]
  特徴量計算とラベル予測のためのグラフベースのフレームワークであるGRAPEを提案する。 GRAPEでは,特徴計算をエッジレベル予測タスク,ラベル予測をノードレベル予測タスクとして定式化する。 9つのベンチマークデータセットによる実験結果から、GRAPEは計算タスクの平均絶対誤差を20%低く、ラベル予測タスクを10%低くすることがわかった。
  論文  参考訳（メタデータ） (2020-10-30T17:59:13Z)
• Temporal Positive-unlabeled Learning for Biomedical Hypothesis Generation via Risk Estimation [46.852387038668695]
  本稿では,仮説生成の科学的プロセスに機械学習を導入することを目的とする。 本稿では,ノード対埋め込みの学習において,前向きの確率を推定するための変分推論モデルを提案する。 実世界のバイオメディカルな用語関係データセットの実験結果と、COVID-19データセットのケーススタディ分析により、提案モデルの有効性が検証された。
  論文  参考訳（メタデータ） (2020-10-05T10:58:03Z)
• A Survey of Adversarial Learning on Graphs [59.21341359399431]
  本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。 具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。 我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
  論文  参考訳（メタデータ） (2020-03-10T12:48:00Z)

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。