.png){kind=icon}
返回
Biomedical knowledge graph verification with multitask learning architectures
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jbi.2025.104894.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模生物医学知识图谱（biomedical KGs），通常通过从海量文本文档中自动进行实体-关系抽取的方法构建，常包含错误的生物医学三元组，这对其质量提出了担忧。将此类噪声知识图谱应用于下游应用可能会损害生物医学研究的有效性，并导致不准确的结论。本研究旨在设计一种有效的知识图谱验证（KGV）方法，以确定生物医学知识图谱中三元组的正确性，从而能够移除通过所提方法识别出的错误三元组。
Keyword:
knowledge graph verification
biomedical knowledge graphs
triplet correctness
noisy knowledge graphs
entity-relation extraction
期刊
IF:
4.5
论文数:
3.5K
被引数:
1.9W
机构
引用论文
Hierarchical-aware relation rotational knowledge graph embedding for link prediction层次感知关系旋转知识图嵌入的链路预测.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Knowledge graph embedding by relational rotation and complex convolution for link prediction基于关系旋转和复卷积的知识图谱嵌入链接预测
PREAI
分享收藏Knowledge-Augmented Language Model Prompting for Zero-Shot Knowledge Graph Question AnsweringProceedings of the 1st Workshop on Natural Language Reasoning and Structured Explanations (NLRSE)
OAAI
Proceedings of the 1st Workshop on Natural Language Reasoning and Structured Explanations (NLRSE)IF0
OAAI分享收藏
查看更多内容