May, 2023

面向个人或实体中心知识图谱的表示学习：在医疗健康领域的应用

PDF
TL;DR本文提出一种基于星形本体的端到端表示学习框架，从结构化和非结构化数据中提取面向实体的知识图谱，采用图神经网络创建紧凑的图形表示，并利用研究结果进行再入院预测。
knowledge graphsentity-centricontologygraph neural networksbiomedical
发现论文，激发创造
  • 使用紧凑、代表性、相关的知识图谱丰富文档

    提出了一种基于知识图谱和实体关系子图的文档丰富方法，通过新的组合优化问题求解算法实现了紧凑、具有代表性和相关性的 ERG，利用本体知识对 ERG 进行排序，实现了在有效丰富的同时保证了相关性和紧凑性。

    May, 2020

  • 分散式知識圖譜表示學習

    本文提出了一种去中心化的知识图谱表示学习方法，针对只提供实体关系信息但没有输入特征的情况，通过从实体邻居的嵌入编码实体并设计算法进行知识蒸馏来优化，在实体对齐任务上表现得更好，并在归纳设置下在实体对齐和实体预测任务上优于所有对照实验.

    Oct, 2020

  • 知识图谱嵌入模型及其应用调查

    知识图谱是一个基于图形的数据结构，用于表示世界的事实，其中节点表示现实世界的实体或抽象概念，边表示实体之间的关系。知识图谱嵌入通过在低维向量空间中表示实体和关系来捕捉它们之间的语义关系。本文讨论了基于翻译和神经网络的嵌入模型，它们根据语义属性、评分函数和架构的不同而有所区别，并进一步讨论了在一些使用深度学习模型和利用社交媒体数据的领域中应用知识图谱。

    Apr, 2024

  • 通过链接预测从文本中归纳实体表征

    本文通过一个综合评估协议，探讨了使用预测链接的实体表示学习，并考虑了线性预测和实体分类任务以及针对面向实体的搜索的信息检索任务，通过一个预训练的语言模型体系结构，证明这些学习的表示不仅适用于 KG 特定任务，还具有比之前的方法更强的泛化性能，同时也在其他任务方面表现出色。

    Oct, 2020

  • BioBLP: 多模态生物医学知识图谱学习的模块化框架

    提出了一种用于学习具有实体属性的知识图谱嵌入的模块化框架，其中模块可以对不同模态的属性数据进行编码，并且支持具有缺失属性的实体。在使用包含大约两百万三元组的生物医学 KG 进行训练和评估时，发现在给定低程度实体的情况下，与不考虑属性数据的基准方法相比，该方法在药物 - 蛋白质相互作用预测任务中的表现较好。

    Jun, 2023

  • 生物医学知识图谱嵌入的基准与最佳实践

    利用知识图谱嵌入学习方法，探索在 SNOMED-CT 知识图谱中学习生物医学知识表征的能力，提供性能测试及最佳实践，并强调利用知识图谱多关系特性学习知识表征的重要性。

    Jun, 2020

  • 医疗知识图谱构建：现状、开放问题和机遇

    本文通过提供全面的分类法和涵盖多个卫生保健领域相关学术工作的最新技术评估，评估了目前医疗知识图谱的构建状况，为大数据分析解决方案的需求提供了更好的数据表示和知识推理。此外，还讨论了现有问题和未来研究方向。

    Jul, 2022

  • 基于患者的知识图谱研究：现有方法、挑战和应用综述

    病患中心知识图谱（PCKGs）是医疗保健领域的重要转变，通过以整体性和多维度的方式映射患者的健康信息，聚焦于个体化患者护理。这篇文献综述探讨了 PCKGs 的方法学、挑战和机遇，以及它们在整合不同医疗保健数据和通过统一的健康视角增强患者护理方面的作用。此外，本文还讨论了 PCKG 发展的复杂性，包括本体设计、数据整合技术、知识提取以及知识的结构化表示等。文章强调了推理、语义搜索和推理机制等先进技术在构建和评估可行的 PCKGs 时的重要性，并进一步探讨了 PCKGs 在个体化医学中的实际应用，强调了它们在改善疾病预测和制定有效治疗计划方面的重要性。总体而言，本文提供了关于 PCKGs 当前技术和最佳实践的基础视角，指导未来在这一动态领域的研究和应用。

    Feb, 2024

  • 知识图谱概论：表示、获取与应用

    本文综合研究了知识图谱的几个方面，包括结构学习、知识获取和补全、时间知识图谱和基于知识图谱的应用，并提出了新的分类和分类法，以促进未来的研究。

    Feb, 2020

  • 知识图谱嵌入及其应用调查

    该论文介绍了知识图谱嵌入在推荐系统、查询扩展和实体嵌入等领域的应用，并探讨了包括基于结构信息、文本信息和图像信息的 KG 嵌入模型。

    Jul, 2021