-
题名一种面向临床领域时序知识图谱的链接预测模型
被引量：28
- 1
-
-
作者
陈德华
殷苏娜
乐嘉锦
王梅
潘乔
朱立峰
-
机构
东华大学计算机科学与技术学院
上海交通大学医学院附属瑞金医院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第12期2920-2930,共11页
-
基金
上海市科技创新行动计划项目(15511106900)
上海市科技发展基金项目(16JC1400802)
上海市信息化发展专项基金项目(XXXXFZ-01-14-6349)~~
-
文摘
知识图谱(knowledge graph)链接预测可以解决知识图谱中缺失信息的发现和还原,是目前知识图谱领域的研究热点.传统的知识图谱链接预测方法大多面向静态的数据,并不适用于具有动态变化特性的时序知识图谱.时序知识图谱广泛存在于不同领域中,以临床医学领域为例,糖尿病作为一种典型的慢性病,其病程是一个疾病缓慢发展演化的过程.因此,在临床医学时序知识图谱上进行临床意义的链接预测,比如预测糖尿病的并发症,则需要考虑糖尿病病程发展随时间变化的时序特性,这也为传统的知识图谱链接预测方法带来巨大挑战.为此,结合临床医学事实知识的时序特性,提出一种基于LSTM序列增量学习的临床领域时序知识图谱链接预测模型.该模型结合LSTM长短期记忆单元递归神经网络在序列学习上的优势,通过构建基于LSTM的序列增量学习层,以端到端的方式提取时序知识图谱中的三元组时序特征,从而实现对时序知识图谱的链接预测.通过在糖尿病时序知识图谱上的实验,验证了模型的高效性、可用性及稳定性.
-
关键词
时序知识图谱
知识图谱链接预测
转换模型TransR
长短期记忆网络
增量学
-
Keywords
temporal knowledge graph
knowledge graph link prediction
translation model TransR
long short term memory (LSTM) networks
incremental learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
