論文の概要: Logic Programming on Knowledge Graph Networks And its Application in Medical Domain

• arxiv url: http://arxiv.org/abs/2601.15347v1
• Date: Wed, 21 Jan 2026 01:50:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.365638
• Title: Logic Programming on Knowledge Graph Networks And its Application in Medical Domain
• Title（参考訳）: 知識グラフネットワークにおける論理プログラミングとその医療分野への応用
• Authors: Chuanqing Wang, Zhenmin Zhao, Shanshan Du, Chaoqun Fei, Songmao Zhang, Ruqian Lu,
• Abstract要約: 知識グラフへのいくつかの主要な情報処理技術の応用は、まだ遅れていることがわかった。 本稿では,「知識グラフネットワーク」の概念の体系的理論,技法,応用とその医療・医療分野への応用について述べる。
• 参考スコア（独自算出の注目度）: 2.6566907805327205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rash development of knowledge graph research has brought big driving force to its application in many areas, including the medicine and healthcare domain. However, we have found that the application of some major information processing techniques on knowledge graph still lags behind. This defect includes the failure to make sufficient use of advanced logic reasoning, advanced artificial intelligence techniques, special-purpose programming languages, modern probabilistic and statistic theories et al. on knowledge graphs development and application. In particular, the multiple knowledge graphs cooperation and competition techniques have not got enough attention from researchers. This paper develops a systematic theory, technique and application of the concept 'knowledge graph network' and its application in medical and healthcare domain. Our research covers its definition, development, reasoning, computing and application under different conditions such as unsharp, uncertain, multi-modal, vectorized, distributed, federated. Almost in each case we provide (real data) examples and experiment results. Finally, a conclusion of innovation is provided.
• Abstract（参考訳）: 知識グラフ研究の急激な発展は、医療や医療分野を含む多くの分野で、その応用に大きな推進力をもたらした。 しかし,知識グラフへの主要な情報処理技術の応用はいまだに遅れていることがわかった。 この欠陥には、高度な論理推論、高度な人工知能技術、特殊目的プログラミング言語、現代の確率論的および統計学的理論など、知識グラフの開発と応用を十分に利用できないことが含まれる。 特に、複数の知識グラフの協調と競争技術は研究者から十分な注目を集めていない。 本稿では,「知識グラフネットワーク」の概念の体系的理論,技法,応用とその医療・医療分野への応用について述べる。 本研究は,不確実性,不確実性,マルチモーダル,ベクトル化,分散,フェデレーションなどの異なる条件下での定義,開発,推論,計算,応用について述べる。 ほぼすべてのケースで、(実データ)例と実験結果を提供しています。 最後に、イノベーションの結論が提示される。

関連論文リスト

• Neural-Symbolic Reasoning over Knowledge Graphs: A Survey from a Query Perspective [55.79507207292647]
  知識グラフ推論は、データマイニング、人工知能、Web、社会科学など、さまざまな分野において重要である。 ニューラルAIの台頭は、深層学習の頑健さと象徴的推論の精度を融合させることで、大きな進歩を見せている。 大規模言語モデル(LLM)の出現により、知識グラフ推論の新しいフロンティアが開かれた。
  論文  参考訳（メタデータ） (2024-11-30T18:54:08Z)
• Assisted Knowledge Graph Authoring: Human-Supervised Knowledge Graph Construction from Natural Language [11.554941963601088]
  WAKAは、ドメインの専門家が最も親しみやすいメディアを通して知識グラフを作成することができるWebアプリケーションである。 歴史、物理学、医学などの分野からのドメイン固有の知識は、知識グラフにおいて著しく不足している。
  論文  参考訳（メタデータ） (2024-01-15T13:51:00Z)
• 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)
• Graph Learning: A Survey [38.245120261668816]
  本稿では,グラフ学習の現状について概観する。 グラフ信号処理,行列分解,ランダムウォーク,ディープラーニングなど,既存のグラフ学習手法の4つのカテゴリに特に注目されている。 テキスト,画像,科学,知識グラフ,最適化といった分野におけるグラフ学習アプリケーションについて検討する。
  論文  参考訳（メタデータ） (2021-05-03T09:06:01Z)
• 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)
• Knowledge Graphs [43.06435841693428]
  我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。 本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。 我々は知識グラフの高レベルな今後の研究方向性を結論づける。
  論文  参考訳（メタデータ） (2020-03-04T20:20:32Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。