-
题名基于二分网络表示学习的医学实体关系预测研究
- 1
-
-
作者
吴胜男
吴佳辉
董继宗
蒋环宇
王璐琦
王欣瑶
-
机构
山西医科大学管理学院
山西医科大学基础医学院
-
出处
《医学信息学杂志》
2025年第2期68-75,共8页
-
基金
国家自然科学基金青年项目(项目编号:71804102)
山西省高等学校哲学社会科学研究项目(项目编号:2019W040)
山西省研究生教育教学改革课题(项目编号:2021YJJG115)。
-
文摘
目的/意义探讨网络表示学习与链路预测在挖掘潜在医学实体关系方面的应用,为医学知识发现研究提供新视角。方法/过程从PubMed数据库获取文献摘要,利用“主语-行为-宾语”语义挖掘方案识别疾病与药物治疗信息,抽取药物实体与疾病实体,构建“药物-疾病”二分网络,综合运用社会网络分析、网络表示学习、机器学习方法分析网络结构及节点特征,挖掘医学实体间的潜在联系。结果/结论二分网络表示学习方法能够揭示药物与疾病的关联知识,获取治疗疾病的关键药物,可为用药治疗提供可行性方案。
-
关键词
二分网络
“主语-行为-宾语”语义挖掘
网络表示学习
机器学习
医学知识发现
-
Keywords
bipartite network
subject-action-object(SAO)semantic mining
network representation learning
machine learning
medical knowledge discovery
-
分类号
R-058
[医药卫生]
-
-
题名基于SAO分析的技术路线图构建研究
被引量：29
- 2
-
-
作者
郭俊芳
汪雪锋
邱鹏君
李乾瑞
雷鸣
-
机构
北京理工大学管理与经济学院
北京理工大学计算机学院
-
出处
《科学学研究》
CSSCI
北大核心
2014年第7期976-981,1002,共7页
-
基金
国家自然科学基金面上项目(71373019)
国家科技支撑计划(2013BAH20F01)
-
文摘
技术路线图作为一种新兴技术发展路径识别和预测的工具,正在被越来越多的国家、产业和企业认可接受。然而,当前技术路线图的研究和制定主要以定性方法为主,过分依赖专家经验;同时,技术路线图主要以技术实体(关键词)为核心显示要素,不能有效反映技术发展的脉络。论文从领域关键问题出发,运用文本挖掘技术和SAO结构分析方法,构建基于关键问题的核心技术方案群,并引入定量指标,以技术演化路线图的形式展示技术发展脉络,为新兴技术领域特定关键问题的未来技术方案研发及技术发展方向选择提供了重要参考。最后,文章以染料敏化太阳能电池(DSSC)技术为例开展实证研究,证实了该方法的科学性和有效性。
-
关键词
“主语-行为-宾语”(SAO)
技术路线图(TRM)
技术路径识别
染料敏化太阳能电池(DSSC)
-
Keywords
subject - action - object （SA0）
technology roadmaps （TRM）
technology path recognition
dye - sensitized solar cells （DSSC）
-
分类号
G301
[文化科学]
-
-
题名基于语法树的SAO结构识别方法研究
被引量：5
- 3
-
-
作者
杨超
朱东华
衡晓帆
汪雪锋
-
机构
北京理工大学管理与经济学院
-
出处
《图书情报工作》
CSSCI
北大核心
2016年第21期113-121,共9页
-
基金
国家自然科学基金面上项目"基于语义TRIZ的新兴技术创新路径预测研究"(项目编号:71373019)
国家高技术研究发展计划"面向政府管理的大数据智能服务系统及应用示范"(项目编号:2014AA015105)研究成果之一
-
文摘
[目的/意义]SAO是一种能够表示主题信息和主题间关系的3元组结构,是文献计量学领域一个快速发展的研究方向。为了获得"满足文献计量分析需求的SAO结构",需要解决现有SAO结构识别方法遭遇的3个问题:查全和查准率低、所识别SAO结构和领域主题相关性不强以及矩阵稀疏性。[方法/过程]提出一种面向文献计量分析的基于语法树的SAO结构识别方法,首先基于共现算法和"主题词簇"方法(term clumping)识别SAO核心组件,然后利用基于语法树的抽取算法实现SAO结构的逐层抽取。[结果/结论]案例研究发现,该方法的平均查准率为0.805 8,平均查全率为0.844 6,所识别SAO结构与领域主题关系较强,且矩阵稀疏性也得到较好改善,可有效应用于相关文献计量分析。
-
关键词
“主语-行为-宾语”(SAO)识别
语法树
语义分析
共现算法
主题词簇
-
Keywords
subject-action-object （SAO） identification
parse tree
semantic analysis
co-word algorithm
termclumping
-
分类号
G353.1
[文化科学—情报学]
-
