TeX-Graph：用于 COVID-19 药物重定位的耦合张量-矩阵知识图谱嵌入
社会与信息网络
2020-10-27 v2 机器学习
信号处理
统计方法学
摘要
知识图谱（KGs）是对知识库中实体间关系行为进行编码的强大工具。KGs 能够同时建模许多不同类型的主体-谓词-客体以及高阶关系。因此，它们提供了一种灵活的建模框架，已被应用于包括生物学和药理学在内的诸多领域——最近则应用于抗击 COVID-19。从学习的角度来看，KG 建模的灵活性既是一种优势，也是一种挑战。本文提出一种新颖的耦合张量-矩阵知识图谱嵌入框架。我们利用张量分解工具学习知识库中实体与关系的简洁表示，并将这些表示用于 COVID-19 的药物重定位。我们提出的框架原理清晰、形式优雅，在使用近期构建的生物知识图谱的 COVID-19 药物重定位任务中，相较最佳基线取得了 100% 的性能提升。
引用
@article{arxiv.2010.11367,
title = {TeX-Graph: Coupled tensor-matrix knowledge-graph embedding for COVID-19 drug repurposing},
author = {Charilaos I. Kanatsoulis and Nicholas D. Sidiropoulos},
journal= {arXiv preprint arXiv:2010.11367},
year = {2020}
}