生命科学中可复现的领域特异性知识图谱：系统性文献综述
信息检索
2023-09-19 v1
摘要
知识图谱（KGs）被广泛用于表示和组织不同领域中的结构化知识。然而，KGs 的创建和维护带来了重大挑战。开发 KG 需要数据建模、本体设计和数据整理方面的深厚专业知识。此外，KGs 是动态的，需要持续更新和质量控制以确保准确性和相关性。这些复杂性导致了其开发和维护所需的大量工作。KGs 一个值得关注的关键维度是可复现性。复制和验证 KGs 的能力对于确保其所代表知识的可靠性和可持续性至关重要。可复现的 KGs 不仅通过允许他人在现有知识基础上构建来支持开放科学，还增强了信息传播中的透明度和可靠性。尽管领域特异性 KGs 的数量不断增长，但关于其可复现性的全面分析一直缺乏。本文通过提供领域特异性 KGs 的总体概述并根据各种可复现性标准进行比较，填补了这一空白。我们对超过 19 个不同领域的研究显示，250 个领域特异性 KGs 中仅有 8 个（3.2%）提供了公开可用的源代码。其中，仅有一个系统成功通过了我们的可复现性评估（14.3%）。这些发现凸显了在领域特异性 KGs 中实现可复现性方面的挑战和差距。我们发现仅 0.4% 已发布的领域特异性 KGs 是可复现的，这表明明显需要进一步研究以及文化实践的转变。
引用
@article{arxiv.2309.08754,
title = {Reproducible Domain-Specific Knowledge Graphs in the Life Sciences: a Systematic Literature Review},
author = {Samira Babalou and Sheeba Samuel and Birgitta König-Ries},
journal= {arXiv preprint arXiv:2309.08754},
year = {2023}
}