![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
知识图谱
文章平均质量分 93
Cheng_0829
这个作者很懒,什么都没留下…
展开
-
生物医学顶刊论文(JBHI-2024):TransFOL:药物相互作用中复杂关系推理的逻辑查询模型
本研究将DDI视为知识图谱上的链接预测问题,并提出了一个基于Cross-Transformer和图卷积网络(GCN)的一阶逻辑查询形式的DDI预测模型,TransFOL。在模型中,首先构建生物医学查询图以学习嵌入表示。随后,设计了一个增强模块来聚合实体和关系的含义。交叉变换器用于编码以获取节点之间的语义信息,图卷积网络用于进一步收集邻居信息并预测推理结果。为了评估TransFOL在常见DDI任务上的性能,我们在两个基准数据集上进行了实验。实验结果表明,我们的模型在传统DDI任务上的性能超过了最先进的方法。原创 2024-05-18 20:52:43 · 921 阅读 · 0 评论 -
知识图谱-生物信息学-医学顶刊论文(Briefings in Bioinformatics-2022):基于异构图GCN和GAT的DTI预测
目录药物-靶点相互作用(DTI)预测在药物重新定位、药物发现和药物设计中具有重要作用。然而,由于化学和基因组空间大,药物和靶点之间的相互作用复杂,DTI的实验鉴定是昂贵和耗时的。近年来,新兴的图神经网络(GNN)被应用于DTI的预测,因为DTI可以有效地用图表示。然而,其中一些方法仅基于同构图,还有一些方法由两个解耦步骤组成,无法联合训练。为了进一步探索融合异构图信息的基于GNN的DTI预测,本研究将DTI预测视为一个链路预测问题,提出了一种基于注意力机制异构图的端到端模型(DTI-HETA)。该模型首先基原创 2022-12-07 09:46:25 · 2703 阅读 · 1 评论 -
知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-KG4SL:用于人类癌症SL预测的知识GNN
论文标题:KG4SL: knowledge graph neural network for synthetic lethality prediction in human cancers论文地址:https://academic.oup.com/bioinformatics/article/37/Supplement_1/i418/6319703论文期刊:Bioinformatics 2021动机:合成致死(SL) 是发现抗癌药物靶点的一个很有希望的方法。湿实验室筛选SL对的方法存在成本高、批量效应原创 2022-10-12 23:20:14 · 1224 阅读 · 0 评论 -
知识图谱顶会论文(SIGIR-2022) MorsE:归纳知识图嵌入的元知识迁移
由大量三元组组成的知识图(KG)近年来得到了广泛的应用,人们提出了许多知识图嵌入(KGE)的方法来将KG的实体和关系嵌入到连续的向量空间中。这种嵌入方法简化了执行各种KG内任务(例如,链接预测)和KG外任务(例如,问题回答)的操作。它们可以被视为表达KG的通用方案。然而,现有的KGE方法不适用于归纳设置,因为在归纳设置中,源KG上训练的模型将在模型训练时看不到的实体的目标KG上进行测试。已有的研究主要集中在归纳设置下的知识发现上,只能解决归纳关系预测问题。原创 2022-10-09 16:32:22 · 1956 阅读 · 2 评论 -
知识图谱顶会论文(ACL-2022) CAKE:用于多视图KGC的可扩展常识感知框架
知识图谱顶会论文(ACL-2022) CAKE:用于多视图KGC的可扩展常识感知框架CAKE:Scalable Commonsense-Aware Framework For Multi-View Knowledge Graph Completion原创 2022-10-04 14:45:10 · 1279 阅读 · 0 评论 -
知识图谱顶会论文(ACL-2022) ACL-SimKGC:基于PLM的简单对比KGC
知识图谱补全(KGC)的目的是对已知事实进行推理,并推断出缺失的环节。基于文本的方法,如KG-BERT从自然语言描述中学习实体表示,并具有归纳KGC的潜力。然而,基于文本的方法的性能仍然大大落后于基于图嵌入的方法(KGE),如TransE和RotatE。在本研究中,我们认为关键问题在于有效的对比学习。批内负采样、批前负采样和作为困难负样本的简单形式的自我负采样。结合InfoNCE损失,我们提出的模型SimKGC在多个基准数据集上的性能大大优于基于嵌入的方法。原创 2022-10-06 20:05:58 · 3501 阅读 · 3 评论 -
知识图谱顶会论文(IJCAI-2022) TEMP:多跳推理的类型感知嵌入
论文地址: Type-aware Embeddings for Multi-Hop Reasoning over Knowledge Graphs由于传统的子图匹配方法不能很好地处理噪声和缺失信息,现实生活中的知识图(KGs)上的多跳推理是一个极具挑战性的问题。为了解决这个问题,最近流行一种很有前景的方法来替代传统的子图匹配方法,该方法通过将逻辑查询和KG联合嵌入到低维空间中来识别预测的实体。然而,现有的方法忽略了KG中固有的关键语义知识,例如类型信息。为了利用类型信息,我们提出了一种新颖的类型感知消息传递原创 2022-10-07 21:28:49 · 1763 阅读 · 1 评论 -
知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2022)-SGCL-DTI:用于DTI预测的监督图协同对比学习
论文标题: Supervised graph co-contrastive learning for drug–target interaction prediction论文地址: https://academic.oup.com/bioinformatics/article-abstract/38/10/2847/6551245论文期刊: Bioinformatics 2022动机:药物-靶标相互作用(DTI) 的识别是药物发现和重定位的重要步骤。基于生物实验的DTI预测既耗时又昂贵。近年来,基于图原创 2022-10-11 18:22:35 · 1513 阅读 · 0 评论 -
知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-SumGNN:通过有效的KG聚集进行多类型DDI预测
由于DDI数据集和大型生物医学KG的日益可用性,使用机器学习模型对不良DDI进行准确检测成为可能。然而,如何有效利用大规模但含有噪声的生物医学KG进行DDI检测仍是一个有待解决的问题。由于KG的规模和噪声都很大,直接将KG与其他更小但质量更高的数据(如实验数据)集成通常不太有益。大多数现有的方法完全忽略了KG。有些人试图通过GNN直接将KG与其他数据集成,但效果不太理想。此外,以往的研究多集中于二分类DDI的预测(例如两种药物之间有没有DDI存在),而多类型DDI的药效作用预测则更有意义且难度更大。原创 2022-10-16 22:20:46 · 739 阅读 · 0 评论 -
知识图谱顶刊综述 - (2021年4月) A Survey on Knowledge Graphs: Representation, Acquisition, and Applications
这是2021年4月发表在知识图谱领域顶刊上的一篇综述文章, 论文名 A Survey on Knowledge Graphs: Representation, Acquisition, and Applications人类知识提供了对世界的正式理解.表示实体之间结构关系的知识图谱已成为认知和人类智能领域日益流行的研究方向.在本次回顾中,我们对知识图谱进行了全面回顾,涵盖了以下总体研究主题:1)知识图谱表示学习,2)知识获取和完成,3)时间知识图谱,以及4)知识感知应用,并总结了最近的突破和展望方向,以便将来原创 2022-10-02 01:17:53 · 7737 阅读 · 1 评论 -
知识图谱顶会论文(ACL-2022) PKGC:预训练模型是否有利于KGC?可靠的评估和合理的方法
开放世界假设(OWA)我们提出了一种新的基于PLM的KGC模型,名为PKGC。基本思想是**将每个三元组及其支持信息转换为自然提示句,进一步输入PLM进行分类。原创 2022-10-05 15:43:02 · 1054 阅读 · 1 评论 -
知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-MSTE: 基于多向语义关系的有效KGE用于多药副作用预测
动机多药联用是指多种药物联合使用治疗疾病。然而,它经常显示出很高的副作用风险。由于联合用药之间存在不必要的相互作用,多药联用的副作用会增加患病风险,甚至导致死亡。因此,获取丰富而全面的多药副作用信息是医疗保健行业的一项重要任务。早期的传统方法使用机器学习技术来预测副作用。然而,为了提取药物的特征进行预测,他们往往付出昂贵的努力。随后,提出了几种基于KG的方法。据报道,它们的效果优于传统方法。然而,由于未能模拟药物之间副作用的复杂关系,它们仍然在性能上有很大局限性。结果。原创 2022-10-10 14:38:06 · 1624 阅读 · 0 评论 -
知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-MUFFIN:用于DDI预测的多尺度特征融合
药物-药物不良相互作用(DDI)是药物研究的重要环节,是导致药物发病率和死亡率的主要原因。因此,识别潜在的ddi对医生、患者和社会都是至关重要的。现有的传统机器学习模型严重依赖手工特征,缺乏泛化能力。近年来,深度学习方法可以从分子图或药物相关网络中自动学习药物特征,提高了计算模型预测未知DDIs的能力。然而,以往的工作利用大量的标记数据,只考虑药物的结构或序列信息,而不考虑药物与其他生物医学对象(如基因、疾病和途径)之间的关系或拓扑信息,或考虑知识图(KG)而不考虑药物分子结构的信息。原创 2022-10-13 19:55:54 · 1983 阅读 · 0 评论 -
知识图谱-生物信息学-医学顶刊论文(Briefings in Bioinformatics-2021):生物信息学中的图表示学习:趋势、方法和应用
图是描述复杂系统的一种天然数据结构,它包含一系列对象和关系。无处不在的现实生活中的生物医学问题可以建模为图分析任务。机器学习,特别是深度学习,在大量的生物信息学场景中取得成功,数据以欧氏空间表示。然而,非欧几里德生物医学图中保留了丰富的生物元素之间的关系信息,这对经典的机器学习方法来说并不友好。图表示学习的目的是将图嵌入到低维空间中,同时保持图的拓扑和节点属性。它连接了生物医学图和现代机器学习方法,最近引起了机器学习和生物信息学领域的广泛关注。本文综述了图表示学习及其在生物信息学中的代表性应用。原创 2022-10-24 16:24:20 · 1349 阅读 · 0 评论 -
知识图谱-生物信息学-医学顶刊论文(Briefings in Bioinformatics-2021):MPG:一种有效的自我监督框架,用于学习药物分子的全局表示以进行药物发现
如何生成具有表达性的分子表示是人工智能驱动药物研发的一个根本挑战。图神经网络(GNN)已经成为一种强大的分子数据建模技术。然而,以往的监督方法通常存在有标签数据稀缺和泛化能力差的问题。在此,我们提出了一种新的基于分子预训练图的深度学习框架MPG,该框架从大规模的未标记分子中学习分子表示。在MPG中,我们提出了一种用于分子图建模的强大GNN模型–MolGNet,并设计了一种有效的自监督策略在节点和图层面对模型进行预训练。原创 2022-10-22 21:59:10 · 801 阅读 · 0 评论 -
知识图谱-生物信息学-医学论文(BMC Bioinformatics-2022)-挖掘阿尔茨海默病相关KG来确定潜在的相关语义三元组用于药物再利用
迄今为止,大多数神经退行性疾病都没有有效的治疗方法。知识图可以为异构数据提供全面的语义表示,并已成功地应用于包括药物再利用在内的许多生物医学应用中。我们的目标是从文献中构建一个知识图谱,研究阿尔茨海默病(AD)与化学物质、药物和膳食补充剂之间的关系,以确定预防或延缓神经退行性发展的机会。我们收集生物医学注释,并通过SemMedDB使用SemRep提取它们之间的关系。在数据预处理过程中,我们使用了基于BERT的分类器和基于规则的方法来排除噪声,同时保留大多数与AD相关的语义三元组。原创 2022-10-17 16:40:00 · 1406 阅读 · 0 评论 -
知识图谱-生物信息学-医学论文(Chip-2022)-BCKG-基于临床指南的中国乳腺癌知识图谱的构建与应用
知识图谱是医学智能的重要资源。普通医学知识图谱试图囊括所有疾病,包含大量医学知识。然而,人工评测所有的三元组是困难的,因此知识的准确性通常不能支持智能医疗应用。乳腺癌是目前发病率最高的癌症之一。通过人工智能技术提高乳腺癌诊疗效率,改善乳腺癌患者术后健康状况迫在眉睫。针对这一需求,本文提出了一个基于临床指南构建乳腺癌KG的框架。具体地说,从临床指南的文本和表格中提取三元组知识,并通过知识融合将不同指南的知识融合在一起,构建乳腺癌KG(BCKG)。原创 2022-10-18 16:33:36 · 1528 阅读 · 0 评论 -
知识图谱顶会论文(KDD-2022) kgTransformer:复杂逻辑查询的预训练知识图谱Transformer
知识图(KG)嵌入是不完备KG推理的主流方法。然而,受其固有的浅层和静态结构的限制,它们很难应对日益增长的复杂逻辑查询的,这些复杂逻辑查询包括逻辑运算符、推定边缘、多个源实体和未知的中间实体。在这项工作中,我们提出了具有掩蔽预训练和微调策略的KGTransformer(KgTransformer)。我们设计了一种KG三元组变换方法,使Transformer能够处理KG,并通过混合专家(MoE)稀疏激活进一步加强了KG的处理能力。原创 2022-10-21 09:06:20 · 1919 阅读 · 0 评论