論文の概要: TCMaster: Confidence-Aware Querying and Workload-Guided Physical Design for Multi-Source Traditional Chinese Medicine Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2609.25712v1
• Date: Tue, 22 Sep 2026 05:38:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.232836
• Title: TCMaster: Confidence-Aware Querying and Workload-Guided Physical Design for Multi-Source Traditional Chinese Medicine Knowledge Graphs
• Title（参考訳）: TCMaster: 複数ソースの漢方医学知識グラフのための信頼性に配慮したクエリとワークロード駆動物理設計
• Abstract要約: マルチソース知識グラフ(KG)は、信頼性を公開し、ドメイン構造を利用するクエリメカニズムを必要とする。 本稿では,従来の中国医学KGに対する信頼性と作業負荷に配慮した物理設計のためのプロパティグラフクエリ・ベースであるTCMasterについて述べる。
• 参考スコア（独自算出の注目度）: 8.901255897041358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-source knowledge graphs (KGs) need query mechanisms that expose reliability and exploit domain structure. This paper presents TCMaster, a property-graph query substrate for confidence-aware traversal and workload-guided physical design over Traditional Chinese Medicine KGs. TCMaster integrates pharmacopoeias, prescriptions, molecular databases, and LLM-extracted micro-semantics into a KG with approximately 221K entities and 723K base edges. It annotates edges with provenance-level confidence, rewrites Cypher queries with confidence predicates, ranks multi-hop paths under PRODUCT, MIN, or weighted-average policies, and uses ontology skew through direction selection, herb-attribute bitmaps, and materialized shortcut edges. On Neo4j, direction selection improves attribute lookup by a factor of 1.47, shortcuts accelerate high-fanout target counting by a factor of 4.42, confidence filtering removes 39.3 percent of low-quality heterogeneous paths, and KG retrieval improves TCMbench QA accuracy by 20.0 percentage points.
• Abstract（参考訳）: マルチソース知識グラフ(KG)は、信頼性を公開し、ドメイン構造を利用するクエリメカニズムを必要とする。 本稿では,従来の漢方薬KGに対する信頼性と作業負荷に配慮した物理設計のためのプロパティグラフクエリ・ベースであるTCMasterについて述べる。 TCMasterは、医薬品、処方薬、分子データベース、LLMから抽出したマイクロセマンティックを約221Kのエンティティと723Kのベースエッジを持つKGに統合する。 エッジを証明レベルの信頼性で注釈付けし、Cypherクエリを信頼性予測で書き直し、ProductCT、MIN、あるいは重み付けされた平均ポリシーの下でマルチホップパスをランク付けし、方向選択、ハーブ属性ビットマップ、実体化されたショートカットエッジを通じてオントロジースキューを使用する。 Neo4jでは、方向選択は属性のルックアップを1.47倍、ショートカットは高利得目標カウントを4.42倍、信頼フィルタリングは低品質の不均一パスの39.3%を除去し、KG検索はTCMbench QAの精度を20.0ポイント改善する。

関連論文リスト

• MAGE: Human-Like Macro Placement via Agentic Multimodal Reasoning [1.5102260054654923]
  マクロ配置改善のためのマルチエージェントフレームワークであるMAGEを提案する。 MAGEはマクロ配置タスクを6フェーズのワークフローに分解し、構造化フロアプランニングルール、ビジュアルチェック、反復的な改善を組み合わせた。 人間の類似度測定では、MAGEはすべてのベースラインに対して、全体のスコアを6%-48%改善する。
  論文  参考訳（メタデータ） (2026-07-20T22:02:22Z)
• Open Biomedical Knowledge Graphs at Scale: Construction, Federation, and AI Agent Access with Samyama Graph Database [0.0]
  オープンソースバイオメディカル知識グラフとして,パスKG,臨床トライアルKG,薬物相互作用KGの3つを提示する。 まず、異種公開データソースから大規模KGを構築するための高性能グラフについて述べる。 次に、3つのスナップショットを1つのグラフテナントにロードすることで、プロパティベースの結合が可能になる。
  論文  参考訳（メタデータ） (2026-03-16T10:36:13Z)
• FinReflectKG - MultiHop: Financial QA Benchmark for Reasoning with Knowledge Graph Evidence [0.0]
  FinReflectKG - FinReflectKG上に構築されたベンチマークであるMultiHop。 我々は、KGから正確な裏付けのある財務アナリストスタイルの質問を生成する。 推論モデルと非推論モデルの両方において、KG誘導による正確な検索は実質的な利得をもたらす。
  論文  参考訳（メタデータ） (2025-10-03T11:19:31Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• MedOmni-45°: A Safety-Performance Benchmark for Reasoning-Oriented LLMs in Medicine [69.08855631283829]
  我々は,操作的ヒント条件下での安全性能トレードオフの定量化を目的としたベンチマークであるMed Omni-45 Degreesを紹介する。 6つの専門分野にまたがる1,804の推論に焦点を当てた医療質問と3つのタスクタイプが含まれており、その中にはMedMCQAの500が含まれる。 結果は、モデルが対角線を超えることなく、一貫した安全性と性能のトレードオフを示す。
  論文  参考訳（メタデータ） (2025-08-22T08:38:16Z)
• MedKGent: A Large Language Model Agent Framework for Constructing Temporally Evolving Medical Knowledge Graph [57.54231831309079]
  我々は、時間的に進化する医療知識グラフを構築するためのフレームワークであるMedKGentを紹介する。 生医学的知識の出現を, 微粒な日々の時系列でシミュレートする。 結果として得られるKGは156,275個のエンティティと2,971,384個のリレーショナルトリプルを含む。
  論文  参考訳（メタデータ） (2025-08-17T15:14:03Z)
• START: Self-taught Reasoner with Tools [51.38785489790888]
  ツール統合長チェーン・オブ・シークレット(CoT)推論LSMであるSTART(Self-Taught Reasoner with Tools)を紹介する。 STARTは複雑な計算、自己チェック、多様な方法の探索、そして自己老化を行うことができる。 基礎となるQwQ-32Bを著しく上回り、最先端のオープンウェイトモデルR1-Distill-Qwen-32Bに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2025-03-06T17:11:51Z)

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。