首页|基于领域知识图谱的生命医学学科知识发现探析

基于领域知识图谱的生命医学学科知识发现探析

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
[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.
Discovering Subject Knowledge in Life and Medical Sciences with Knowledge Graph

胡正银、刘蕾蕾、代冰、覃筱楚

展开 >

中国科学院成都文献情报中心 成都610041

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

广州市再生医学与健康广东省实验室 广州510700

中国科学院广州生物医药与健康研究院 广州510530

展开 >

学科知识发现 知识图谱 SPO三元组 数据融合 实体对齐

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

XXH13506-203Y92900022019IM020100

2020

10.11925/infotech.2096-3467.2020.0681

数据分析与知识发现
中国科学院文献情报中心

数据分析与知识发现

CSTPCDCSSCICSCDCHSSCD北大核心
影响因子：1.452
ISSN：2096-3467
年,卷(期)：2020.4(11)
  • 22
  • 13