Biomedical Knowledge Graph Embeddings with Negative Statements
Opened this issue · 0 comments
一言でいうと
TrueWalks: KG 表現学習プロセス に negative statements を組み込むアプローチを提案。
著者/所属機関
Rita T. Sousa, Sara Silva, Heiko Paulheim, and Catia Pesquita
- LASIGE , Faculdade de Ciências da Universidade de Lisboa, Lisbon, Portugal
- Data and Web Science Group, Universität Mannheim, Mannheim, Germany
DOI
https://doi.org/10.1007/978-3-031-47240-4_23
会議名(ジャーナル名)
The 22nd International Semantic Web Conference (ISWC2023)
トラック
Research Track
動機
negative statementsの考慮は、エンティティ要約や質問応答などのタスクや、タンパク質機能予測などのドメイン固有のタスクのパフォーマンスを向上させるが、これまで の KG Embedding アプローチでは、negative statements の探索に注意が払われていない。
手法
知識グラフ表現学習プロセスに negative statements を組み込む新しいアプローチ、 TrueWalks を提案。
statementの種類ごとに2つの embedding を一つずつ生成し、最後の潜在表現を得る。エンティティに欠けている機能に焦点を当てる。通常は、従来のskip-gramでembeddingsを学習(TrueWalks)。
グラフウォーク内のエンティティの順序に敏感な、structured skip-gram で学習するバリエーション(TrueWalksQA)もある。
背景
KGの negative statements により、様々なアプリケーションにおいてパフォーマンス向上。
近年の KG Embedding アプローチは、KG とオントロジーの意味的、構造的、字句的側面を考慮して表現を調整。OWL2Vec*は、逆経路横断を可能とする逆公理の宣言を考慮。このオプション は Gene Ontology には欠けている。
結果
関係予測タスク(PPI予測、GDA予測)によりTrueWalksを評価。代表的 な SOTA よりも優。
考察
課題
疾患に関連する表現型の予測や鑑別診断など、negative statements が決定的な役割を果たす他の生物医学アプリケーションへの一般化。
opposite statementsがエンティティの非類似性にどのように影響を与えるかを検討するため、language embedding で提案されているようなcounter-fittingアプローチを探求。
読んだ範囲
斜め読み程度