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

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

知识图谱在医疗人工智能中扮演重要角色，尤其在药物发现和制药研究方面，通过提供结构化的方式整合多样化信息源，增强了人工智能系统的可解释性。该综述总结了知识图谱在医疗行业的最新文献研究，以及其在开发可解释人工智能模型中的作用。重点介绍了知识图谱的工作流程，包括构建、关系提取、推理，以及在药物相互作用、药物靶标相互作用、药物开发、不良药物反应和生物信息学等领域的应用。强调了通过在医疗领域运用具有知识注入的学习方法，使知识图谱更具可解释性的重要性。最后，提出了研究挑战，并为未来的发展方向提供了见解。

Sep, 2023

医疗知识图谱自动化 (M-KGA) 是一种创新方法，通过利用用户提供的医学概念并利用 BioPortal 本体进行语义增强，以整合预训练嵌入向量，从而提高知识图谱的完整性。该方法引入了基于聚类和基于节点的两种方法，以发现知识图谱中隐藏的连接，通过对电子健康记录中 100 个频繁出现的医学概念进行严格测试，展示了有望解决现有知识图谱自动化技术限制的潜力。

Apr, 2024

KG-based search engine architecture for finding doctors and locations in healthcare domain, with significantly higher coverage for complex queries without degrading quality.

Oct, 2023

知识图谱是多样化知识的结构化表示方式，广泛应用于各种智能应用。本文综述了各种类型的知识图谱（静态、动态、时态和事件型）的演化以及知识提取和推理技术，并介绍了不同类型知识图谱的实际应用，包括金融分析的案例研究。最后，我们提出了关于知识工程未来方向的观点，包括将知识图谱和大型语言模型的能力结合以及知识提取、推理和表示的发展。

Oct, 2023

本文首次提出了领域特定知识图谱的综合定义，并针对七个领域的相关学术作品，提出了最先进的知识图谱构建方法进行了全面的回顾。审视当前方法时，揭示了一系列的局限和不足，同时还强调指出了文献中现存问题和未知的研究方向。

Oct, 2020

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。

May, 2023

KG-Hub 是一个平台，它通过一种简单、模块化的提取 - 转换 - 加载（ETL）模式来生成符合 Biolink Model 的图形数据，易于集成任何 OBO 本体论，支持对上游数据源的缓存下载、版本化和自动更新构建，提供易于重复使用的转换子图，并支持基于知识图的机器学习。

Jan, 2023

对自然语言处理中知识图谱相关研究领域进行综合调研，总结任务分类、相关贡献和研究进展，并提出了未来研究方向

Sep, 2022