生物医学领域的知识图谱嵌入：它们有用吗？——以链接预测、规则学习与下游多重用药任务为例
机器学习
2023-09-01 v2 人工智能
摘要
知识图谱是表示和组织复杂生物医学数据的有力工具。已有若干知识图谱嵌入算法被提出，用于从知识图谱中学习并完成知识图谱。然而，最近的一项研究展示了这些嵌入算法在应用于生物医学知识图谱时效能有限，引发了知识图谱嵌入在生物医学场景中是否存在局限性的疑问。本研究旨在将最先进的知识图谱嵌入模型应用于近期的生物医学知识图谱 BioKG，并评估其性能与潜在的下游用途。基于同一生物医学知识图谱，我们相较先前工作在 HITS@10 分数上取得了三倍的性能提升。此外，我们通过基于规则的方法提供可解释的预测。我们通过将性能最佳的模型在代表真实多重用药情形的四项任务上进行评估，证明了知识图谱嵌入模型在实践中是可用的。结果表明，从大型生物医学知识图谱中学习到的知识可迁移至此类下游用例。我们的代码可在 https://github.com/aryopg/biokge 获取。
引用
@article{arxiv.2305.19979,
title = {Knowledge Graph Embeddings in the Biomedical Domain: Are They Useful? A Look at Link Prediction, Rule Learning, and Downstream Polypharmacy Tasks},
author = {Aryo Pradipta Gema and Dominik Grabarczyk and Wolf De Wulf and Piyush Borole and Javier Antonio Alfaro and Pasquale Minervini and Antonio Vergari and Ajitha Rajan},
journal= {arXiv preprint arXiv:2305.19979},
year = {2023}
}