定制知识图谱嵌入以改进临床研究推荐
机器学习
2023-01-02 v1 人工智能
计算与语言
计算机与社会
定量方法
摘要
利用知识图谱嵌入从临床试验中推断知识是一个新兴领域。然而，针对不同用例定制图嵌入仍是一项重大挑战。我们提出 custom2vec，一种通过在嵌入训练中融入用户偏好来定制图嵌入的算法框架。它通过添加由独立信息检索方法人工审核结果导出的定制节点与链接来捕获用户偏好。我们提出一个联合学习目标，在保留原始网络结构的同时融入用户的定制标注。我们假设定制训练可改善用户预期的预测，例如在链接预测任务中。我们以非小细胞肺癌（NSCLC）相关临床试验展示了 custom2vec 在两个定制场景下的有效性：推荐评估 PD-1 抑制剂的免疫肿瘤学试验，以及探索比较新疗法与标准疗法的相似试验。结果表明，custom2vec 训练优于常规训练方法。我们的方法是一种定制知识图谱嵌入并实现更精准推荐与预测的新途径。
引用
@article{arxiv.2212.14102,
title = {Customizing Knowledge Graph Embedding to Improve Clinical Study Recommendation},
author = {Xiong Liu and Iya Khalil and Murthy Devarakonda},
journal= {arXiv preprint arXiv:2212.14102},
year = {2023}
}