MedGraph：一种基于知识图谱嵌入的 PubMed 生物医学引文语义信息检索实验方法
信息检索
2021-12-15 v2
摘要
本文研究生物医学数字图书馆中的语义搜索与检索问题。首先，我们介绍 MedGraph，一种基于知识图谱嵌入的方法，为 PubMed 收录的生物医学文献提供语义相关性检索与排序。其次，我们使用 PubMed 的 Best Match 算法评估我们的方法。此外，我们将我们的方法 MedGraph 与传统的基于 TFIDF 的算法进行比较。我们使用从 PubMed 提取的数据集，包含 3000 万篇文章的元数据，如摘要、作者信息、引文信息以及提取的生物学实体提及。我们通过抽取该数据集的一个子集，使用具有真实排序结果的预定义查询来评估 MedGraph。据我们所知，该技术在生物医学信息检索中此前未被探索。另外，我们的结果证明，相较于传统方法，依赖知识图谱建模的生物医学数字图书馆语义搜索与相关性方法在客观指标上提供了更好的搜索相关性结果。
引用
@article{arxiv.2112.06348,
title = {MedGraph: An experimental semantic information retrieval method using knowledge graph embedding for the biomedical citations indexed in PubMed},
author = {Islam Akef Ebeid and Elizabeth Pierce},
journal= {arXiv preprint arXiv:2112.06348},
year = {2021}
}
备注
Accepted at the 19th International Conference on Information Technology : New Generations (ITNG 2022)