申请/专利权人:东南大学
申请日:2023-11-01
公开(公告)日:2024-02-06
公开(公告)号:CN117520556A
主分类号:G06F16/36
分类号:G06F16/36;G06F16/28;G06F18/21;G06F18/214
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.27#实质审查的生效;2024.02.06#公开
摘要:本发明涉及一种层次结构引导的细粒度生物医学假设生成方法,用于预测生物医学实体之间的潜在联系。当前生物医学假设生成方法存在建模不完整和模型参数冗余的问题,而本发明旨在克服这些问题。本发明提出了一种新的层次结构引导的细粒度生物医学假设生成模型。该模型在生物医学知识库的基础上构建知识关联图,将关联信息从生物医学科学文献中提取出来,并使用图神经网络计算模块、类型间隔控制模块和关联预测模块对生物医学实体进行嵌入表示。随后,模型在训练集上进行训练,最终可用于计算不同生物医学实体之间存在关联的概率。
主权项:1.一种层次结构引导的细粒度生物医学假设生成方法,其特征在于,包括如下步骤:从生物医学知识库中进行生物医学关联图的抽取,并整理成数据集;构建初始化模型,对生物医学实体进行嵌入表示;所述初始化模型包括图神经网络计算模块、类型间隔控制模块、关联预测模块;所述图神经网络计算模块使用图神经网络对生物医学关联图进行建模;所述类型间隔控制模块对生物医学层次树进行建模;所述关联预测模块包括MLP,用于将起始节点嵌入表示和目标节点嵌入表示连接起来,并计算关联合理性分数;利用所述数据集训练所述初始化模型,得到可以预测生物医学实体关联的生物医学假设生成模型;使用训练好的生物医学假设生成模型计算不同生物医学实体之间存在关联的概率。
全文数据:
权利要求:
百度查询: 东南大学 一种层次结构引导的细粒度生物医学假设生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。