对模型卡的本体学的应用,以生成可计算的工件,以链接来自生物医学研究的机器学习信息
Muhammad Tuan Amith1, Licong Cui2, Kirk Roberts2
1University of North Texas, USA.
概括
本研究介绍了一个Java库来创建可计算的模型卡,提高了AI在健康研究中的透明度. 这支持机器学习模型的FAIR数据原则.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物信息学是一种生物信息学.
背景情况:
- 模型卡对于透明地记录机器学习 (ML) 模型,包括它们的评估和限制至关重要.
- 联邦卫生机构需要模型卡用于利用基于ML的AI进行研究.
- 以前开发了一个本体模型来结构和正式化模型卡报告.
研究的目的:
- 展示一个基于Java的库,用于发布可计算模型卡报告.
- 利用现有的本体模型来结构化和正式化模型卡信息.
- 探索本体论驱动系统对于FAIR数据挑战的适用性.
主要方法:
- 开发一个基于Java的库,使用OWL API和FACT++推理器.
- 实现一个本体模型来结构机器学习模型卡信息.
- 发布可计算模型卡报告的演示.
主要成果:
- 一个功能性的Java库,能够根据正式的本体论生成可计算模型卡报告.
- 成功集成OWL API和FACT++用于基于本体论的报告生成.
- 验证本体学在正式化和结构化模型卡数据中的实用性.
结论:
- 由本体学驱动的系统是可行的,适用于创建可计算的模型卡报告.
- 开发的Java库可为健康研究的ML模型提供透明的文档.
- 这种方法支持可查找,可访问,可互操作和可重复使用 (FAIR) 数据原则.


