帮助 关于我们

返回检索结果

基于领域知识图谱的生命医学学科知识发现探析
Discovering Subject Knowledge in Life and Medical Sciences with Knowledge Graph

查看参考文献43篇

胡正银 1,2 *   刘蕾蕾 1,2   代冰 1,2   覃筱楚 3,4  
文摘 【目的】探讨融合多源数据,开展深层次学科知识发现研究与服务的方法。【方法】通过构建科技文献SPO语义网络形成领域知识图谱的核心;通过“实体对齐、概念层次融合与关系融合”实现多源异构数据融合,生成完整领域知识图谱;基于领域知识图谱开展深层次学科知识发现;选择造血干细胞癌症治疗进行实证研究。【结果】提出一套基于知识图谱的学科知识发现方法框架KGSKD,可多维度、细粒度融合多源异构数据,定义数据间复杂语义关系,原生支持知识推理、路径发现、链路预测等知识发现应用。【局限】KGSKD存在容易出现数据过饱和、知识发现过程可解释性较差、与领域专家沟通难度较高等局限。【结论】KGSKD具有数据类型更丰富、知识关联更全面、挖掘方法更先进、发现结果更深入等优势,可更有效地支持生命医学学科深层次知识发现研究与服务。
其他语种文摘 [Objective] This paper explores new methods for deep subject knowledge discovery using multi-source heterogeneous data. [Methods] First, we constructed a SPO semantic network of literature to create the core domain knowledge graph. Then, we implemented multi-source heterogeneous data fusion through“entity alignment, concept level fusion and relationship fusion”to obtain the whole domain knowledge graph. Finally, we discovered deep subject knowledge with the help of this knowledge graph. We examined our method with data on Hematopoietic Stem Cell for Cancer Treatment (HSCCT). [Results] This paper proposed a knowledge graph-based framework for subject knowledge discovery (KGSKD), which fuses multi-source heterogeneous data multi-dimensionally and fine-grainedly, enriches semantic relationships among data, and supports knowledge discovery techniques such as knowledge inference, pathfinder, and link prediction natively. [Limitations] KGSKD has some limitations including data supersaturation, poor interpretability of knowledge discovery results and difficulty in communicating with domain experts. [Conclusions] KGSKD has the advantages of“richer data types”,“more comprehensive knowledge linkage”,“more advanced mining methods”and“deeper discovery results”, which effectively supports research and services of deep knowledge discovery in life sciences and medicine.
来源 数据分析与知识发现 ,2020,4(11):1-14 【扩展库】
DOI 10.11925/infotech.2096-3467.2020.0681
关键词 学科知识发现 ; 知识图谱 ; SPO三元组 ; 数据融合 ; 实体对齐
地址

1. 中国科学院成都文献情报中心, 成都, 610041  

2. 中国科学院大学经济与管理学院图书情报与档案管理系, 北京, 100190  

3. 广州市再生医学与健康广东省实验室, 广州市再生医学与健康广东省实验室, 广州, 510700  

4. 中国科学院广州生物医药与健康研究院, 广州, 510530

语种 中文
文献类型 研究性论文
ISSN 2096-3467
学科 社会科学总论;自动化技术、计算机技术
基金 中国科学院“十三五”信息化专项 ;  中国科学院文献情报能力建设专项 ;  科技部创新方法工作专项
文献收藏号 CSCD:6853462

参考文献 共 43 共3页

1.  梁娜. 推进数据密集科学发现提升科技创新能力:新模式、新方法、新挑战-《第四范式:数据密集型科学发现》译著出版. 中国科学院院刊,2013,28(1):115-121 被引 3 次    
2.  张志强. 干细胞领域知识发现大数据平台建设与应用. 中国科研信息化蓝皮书2020,2020 被引 1 次    
3.  陆伟. 基于解剖结构视角的医学学科画像研究. 信息资源管理学报,2018,8(3):12-24 被引 1 次    
4.  张志强. 论学科信息学的兴起与发展. 情报学报,2015,34(10):1011-1023 被引 8 次    
5.  张志强. 面向精准医学知识发现的生物医学信息学发展. 数据分析与知识发现,2018,2(1):1-8 被引 3 次    
6.  李广建. 论计算型情报分析. 中国图书馆学报,2018,44(2):4-16 被引 11 次    
7.  李文林. 基于文献的知识发现服务及其问题-以南京中医药大学图书馆为例. 大学图书馆学报,2015,33(2):61-65 被引 2 次    
8.  漆桂林. 知识图谱研究进展. 情报工程,2017,3(1):4-25 被引 71 次    
9.  Hu Z Y. A Knowledge Graph of Stem Cell Oriented to Subject Knowledge Discovery. Proceedings of the 7th IEEE International Conference on Healthcare Informatics,2019 被引 2 次    
10.  Lamurias A. Generating a Tolerogenic Cell Therapy Knowledge Graph from Literature. Frontiers in Immunology,2017,8:1-12 被引 3 次    
11.  马明. Don R.Swanson 的情报学学术成就的方法论意义与启示. 情报学报,2003,22(3):259-266 被引 13 次    
12.  胡正银. 面向TRIZ的领域专利技术挖掘系统设计与实践. 图书情报工作,2017,61(1):117-124 被引 3 次    
13.  Swanson D R. Fish Oil, Raynaud's Syndrome, and Undiscovered Public Knowledge. Perspectives in Biology and Medicine,1986,30(1):7-18 被引 25 次    
14.  Swanson D R. Undiscovered Public Knowledge. The Library Quarterly,1986,56(2):103-118 被引 11 次    
15.  Smalheiser N R. Literature-Based Discovery: Beyond the ABCs. Journal of the American Society for Information Science and Technology,2012,63(2):218-224 被引 3 次    
16.  Henry S. Literature Based Discovery: Models, Methods, and Trends. Journal of Biomedical Informatics,2017,74:20-32 被引 4 次    
17.  Pyysalo S. LION LBD: A Literature-Based Discovery System for Cancer Biology. Bioinformatics,2019,35(9):1553-1561 被引 5 次    
18.  Kostoff R N. Literature-Related Discovery (LRD): Potential Treatments for Cataracts. Technological Forecasting and Social Change,2008,75(2):215-225 被引 1 次    
19.  Kostoff R N. Literature-Related Discovery (LRD): Potential Treatments for Multiple Sclerosis. Technological Forecasting and Social Change,2008,75(2):239-255 被引 1 次    
20.  Kostoff R N. Literature-Related Discovery (LRD): Potential Treatments for Parkinson's Disease. Technological Forecasting and Social Change,2008,75(2):226-238 被引 1 次    
引证文献 9 篇

1 代冰 基于文献的知识发现新近研究综述 数据分析与知识发现,2021,5(4):1-12
被引 5 次

2 范少萍 基于卷积神经网络的医学实体关系分类模型研究 数据分析与知识发现,2021,5(9):75-84
被引 0 次

显示所有9篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号