MOLIERE：自动生物医学假设生成系统
信息检索
2017-06-02 v3 数字图书馆
社会与信息网络
定量方法
其他统计学
摘要
假设生成正成为一种关键且节省时间的技术，它使生物医学研究人员能够快速发现重要概念之间的隐含联系。通常，这些系统在公共医学数据的特定领域子集上运行。相比之下，MOLIERE利用了来自超过2450万份文档的信息。我们方法的核心是一个多模态、多关系的生物医学对象网络，这些对象从美国国家生物技术信息中心（NCBI）的多个异构数据集中提取。这些对象包括但不限于科学论文、关键词、基因、蛋白质、疾病和诊断。我们利用潜在狄利克雷分配（Latent Dirichlet Allocation）对该网络中发现的最短路径附近的摘要进行建模，并通过在历史数据上执行假设生成来展示MOLIERE的有效性。我们的网络、实现及相关数据均向广大科学界公开提供。
引用
@article{arxiv.1702.06176,
title = {MOLIERE: Automatic Biomedical Hypothesis Generation System},
author = {Justin Sybrandt and Michael Shtutman and Ilya Safro},
journal= {arXiv preprint arXiv:1702.06176},
year = {2017}
}