通过联合编码网络结构与文本节点描述符嵌入生物医学本体
人工智能
2019-06-21 v2 计算与语言
摘要
网络嵌入(NE)方法将网络节点映射为低维特征向量，在网络分析和生物信息学中有广泛应用。许多现有的 NE 方法仅依赖网络结构，忽略了与节点相关的其他信息，例如描述节点的文本。近期将这两种信息源结合的尝试仅考虑了局部网络结构。我们将考虑更广网络结构的知名 NE 方法 NODE2VEC 进行扩展，使其利用循环神经编码器同时考虑文本节点描述符。我们的方法在源自 UMLS 的两个网络中的链接预测任务上进行了评估。实验结果表明，与先前的工作相比，所提方法是有效的。
引用
@article{arxiv.1906.05939,
title = {Embedding Biomedical Ontologies by Jointly Encoding Network Structure and Textual Node Descriptors},
author = {Sotiris Kotitsas and Dimitris Pappas and Ion Androutsopoulos and Ryan McDonald and Marianna Apidianaki},
journal= {arXiv preprint arXiv:1906.05939},
year = {2019}
}
备注
Proceedings of the 18th Workshop on Biomedical Natural Language Processing (BioNLP 2019) of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), Florence, Italy, 2019