传统中国医学的研究:域名知识图表完成和质量评估
Chang Liu1,2,3, Zhan Li1, Jianmin Li3
1School of Basic Medical Sciences, Zhejiang Chinese Medical University, Hangzhou, China.
JMIR medical informatics
|August 2, 2024
概括
本研究引入了一种新的三步方法,用于增强传统中医 (TCM) 知识图 (KG),提高其质量和智能系统的可用性. 开发的评估框架证实了KG的完整性,准确性和可用性的显著改进.
科学领域:
- 人工智能的人工智能
- 生物信息学是一种生物信息学.
- 传统中国医药 传统中国医药
背景情况:
- 知识图 (KGs) 对于将领域知识整合到传统中医 (TCM) 智能综合征差异化模型中至关重要.
- 由于知识图完成 (KGC) 和评估方法的局限性,当前的TCM KGs存在变量质量问题.
研究的目的:
- 调查定制的知识图表完成 (KGC) 和评估方法用于TCM领域的知识.
- 为智能应用增强TCM知识图的质量和实用性.
主要方法:
- 为KGC开发了一种三步"实体-本体学-路径"完成方法,集成路径推理,本体学规则推理和关联规则.
- 提出了一个三维评估框架,评估完整性,准确性和可用性,采用复杂的网络分析,本体论推理和图形表示.
- 对比了不同图形表示模型 (TransE,RotatE,DistMult,ComplEx) 对KG可用性的影响.
主要成果:
- 在KGC阶段,通过使用各种推理方法,成功添加了52-479个三倍数,并确定了14个相互矛盾的三倍数.
- 完成后,KG的密度增加,稀少性减少,与先前知识一致,没有矛盾的规则.
- 所有评估的图形表示模型在KGC之后都显示出更好的可用性,而RotatE显示出最佳性能.
结论:
- 提出的三步完成方法有效地提高了KG的完整性,准确性和可用性.
- 三维评估框架为KGC评估提供了一个全面的方法.
- 在TCM领域内,RotatE模型证明了KG代表性的优越性.
