一种学习概率医学知识图谱嵌入的方法：算法开发
人工智能
2020-11-10 v2 计算与语言
摘要
本文提出一种名为 PrTransH 的算法，用于从基于真实世界电子病历（EMR）数据的医学知识中学习嵌入向量。从真实世界 EMR 数据嵌入医学知识图谱所面临的独特挑战是，知识三元组的不确定性模糊了“正确三元组”与“错误三元组”之间的边界，改变了现有许多算法的基本假设。为应对该挑战，对现有 TransH 算法进行了若干增强，包括：1）将医学知识三元组的概率引入训练目标；2）用考虑有效三元组与损坏三元组的统一损失计算替代基于间隔的排序损失；3）利用医学背景知识扩充训练数据集。在基于真实世界 EMR 数据的医学知识图谱上的验证表明，PrTransH 在链接预测任务上优于 TransH。据我们所知，本文是首篇在概率知识图谱上学习并验证知识嵌入的工作。
引用
@article{arxiv.1909.00672,
title = {A Method to Learn Embedding of a Probabilistic Medical Knowledge Graph: Algorithm Development},
author = {Linfeng Li and Peng Wang and Yao Wang and Jinpeng Jiang and Buzhou Tang and Jun Yan and Shenghui Wang and Yuting Liu},
journal= {arXiv preprint arXiv:1909.00672},
year = {2020}
}