PGB:一种用于异质网络表示学习的 PubMed 图基准
机器学习
2023-08-28 v3 社会与信息网络
摘要
生物医学文献数量快速增长,然而捕捉这些文章书目信息的异质性仍相对研究不足。尽管基于异质图神经网络的图挖掘研究已成为焦点,但这些方法能否捕捉包含超过 3300 万篇文章的庞大数字仓储 PubMed 数据库的异质性仍不清楚。我们提出 PubMed 图基准(PGB),一种用于评估生物医学文献异质图嵌入的新基准数据集。该基准包含丰富的元数据,包括摘要、作者、引用、MeSH 词、MeSH 层级及其他信息。基准包含三项不同的评估任务:系统综述、节点分类与节点聚类。在 PGB 中,我们将 PubMed 中生物医学文章相关的元数据聚合为统一来源,并使该基准公开可用以供未来任何研究使用。
引用
@article{arxiv.2305.02691,
title = {PGB: A PubMed Graph Benchmark for Heterogeneous Network Representation Learning},
author = {Eric W Lee and Joyce C Ho},
journal= {arXiv preprint arXiv:2305.02691},
year = {2023}
}