生物医学知识图谱嵌入的基准测试与最佳实践
人工智能
2020-06-25 v1 计算与语言
摘要
生物医学和医疗数据大多以文本和医学编码等离散符号形式编码。知识库和本体中存储着大量专家整理的生物医学领域知识，但缺乏可靠的知识表示学习方法限制了它们在机器学习应用中的效用。尽管近年来通过自然语言处理的进展，基于文本的表示学习已有显著改进，但迄今为止学习生物医学概念嵌入的尝试仍显不足。一类称为知识图谱嵌入的最新模型在通用领域知识图谱上展现出有前景的结果，我们探索了它们在生物医学领域的能力。我们在 SNOMED-CT 知识图谱上训练了多个最先进的知识图谱嵌入模型，提供了与现有方法比较的基准测试和关于最佳实践的深入讨论，并论证了利用知识图谱多关系性质来学习生物医学知识表示的重要性。嵌入、代码和材料将向社区公开。
引用
@article{arxiv.2006.13774,
title = {Benchmark and Best Practices for Biomedical Knowledge Graph Embeddings},
author = {David Chang and Ivana Balazevic and Carl Allen and Daniel Chawla and Cynthia Brandt and Richard Andrew Taylor},
journal= {arXiv preprint arXiv:2006.13774},
year = {2020}
}
备注
Accepted to BioNLP 2020 at ACL