May, 2021

知识图谱嵌入在药物发现中的性能理解

PDF
TL;DR该研究探讨了五个知识图谱嵌入模型在两个以药物发现为导向的公共知识图谱上的预测表现，并发现模型性能受训练设置、超参数选择、模型参数初始化种子以及数据集的不同分割等因素的显著影响。作者强调，为确保未来工作的完全可重现性和公正比较，应将这些因素与模型架构一起报告，并且这对于知识图谱嵌入在生物医学领域的应用和影响至关重要。
knowledge graphknowledge graph embeddingdrug discoverypredictive performancebiomedical
发现论文，激发创造
  • 知识图谱嵌入：概述

    本文综述了知识图谱完成中的当前研究状态，特别关注了知识图谱嵌入设计的两个主要分支：基于距离的方法和基于语义匹配的方法，并探讨了与最近提出的模型之间的关联及其背后的趋势，最后讨论了利用预训练语言模型和实体关系的文本描述相结合进行知识图谱完成的新方法。

    Sep, 2023

  • 利用知识图谱预测药物间相互作用

    该论文介绍了一种名为 medicX 的端到端框架，它将来自公共药物库的多种药物特征集成到一个知识图谱中，并使用各种翻译、分解和神经网络方法嵌入图谱中的节点，最终使用机器学习算法来预测未知的药物相互作用。

    Aug, 2023

  • 可裁剪的知识图谱嵌入

    提出了一种新颖的 KGE 训练框架 MED，通过该框架可以训练一次来获得适用于多个不同维度需求的可裁剪 KGE 模型，模型中的子模型可直接使用而无需额外训练。实验证明 MED 的有效性、高效性和灵活性。

    Jul, 2024

  • 自动驾驶数据知识图谱嵌入评估：经验与实践

    该研究旨在探讨自动驾驶数据的知识图嵌入生成和评估，并考虑知识图的信息细节与衍生嵌入质量的关系，结果表明，在自动驾驶领域，知识图的信息细节越高，衍生嵌入的质量越高，并且基于语义转移距离的 TransE 算法更好地捕捉类型和关系的语义。

    Feb, 2020

  • 生物医学领域的知识图谱嵌入：它们有用吗？探究链接预测、规则学习和下游多药治疗任务

    本研究旨在探讨基于知识图谱的嵌入算法在生物医学领域的应用和性能，发现在 BioKG 等生物医学知识图谱上运用知识图谱嵌入模型可以提高准确性，并有望在实际的病理学研究和药物配伍等方面得到应用。

    May, 2023

  • 知识图谱表示学习的对抗鲁棒性

    知识图谱是企业应用中智能决策所必需的关于世界事实知识的概念关系，学习知识图谱嵌入（KGE）模型可以有效地推断新知识。然而，该论文指出，现有的 KGE 模型容易受到数据污染攻击，在预测任务中存在安全漏洞，因此提出了两种新颖的数据污染攻击方法，旨在解决这一问题。

    Sep, 2022

  • 高效嵌入动态知识图谱

    提出了一种上下文感知的动态知识图谱嵌入方法 (DKGE)，该方法利用两个有注意力机制的图卷积网络、一种门控策略和翻译操作，通过双重表示 (知识嵌入和上下文元素嵌入) 联合模型化实体和关系及其环境，以快速获取更新的知识图谱嵌入，同时支持从头开始的知识图谱嵌入。实验证明 DKGE 在动态环境下具有良好的有效性和效率。

    Oct, 2019

  • 利用逻辑知识增强生物医学数据的嵌入表示

    本研究探讨在生物医学领域的知识图谱中，如何通过引入逻辑规则来增强知识图谱嵌入表示，提高关系建模的效果。具体地，采用关系推理网络（R2N）作为知识图谱嵌入技术的补充，在 PharmKG 数据集上进行对比实验，并进行消融分析。结果表明，该方法显著优于现有技术，并能根据不同的选择标准和规则数量产生不同效果。

    Mar, 2023

  • 将光带入黑暗：在统一框架下对知识图谱嵌入模型进行大规模评估

    该研究重新实现和评估了 21 种知识图谱嵌入模型，证明了模型架构、训练方法、损失函数和反向关系显式建模的结合对模型性能至关重要，提供了许多最佳配置和实践，并提供了代码和实验配置等信息。

    Jun, 2020

  • KGEx: 通过子图采样和知识蒸馏解释知识图谱嵌入

    KGEx 是一种新颖的后处理方法，通过借鉴替代模型研究来解释知识图嵌入（KGE）中的个别链接预测，并通过训练替代 KGE 模型识别重要的训练三元组，从而提供对于黑盒模型忠实的解释。

    Oct, 2023