抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
神経埋込みベース機械学習モデルは,生物医学知識グラフにおける新しいリンクの予測に有望であることを示した。残念なことに,それらの実用的有用性は解釈可能性の欠如によって減少する。最近,完全解釈可能,ルールベースアルゴリズムAnyBURLは,多くの汎用リンク予測ベンチマークに対して高度に競合した結果をもたらした。しかし,複雑な生物医学知識ベースに関する大規模予測タスクへのその適用性は,長い推論時間と多重ルールによって作られた凝集予測による困難によって制限される。スケーラブルクラスタリングアルゴリズムを通して規則を集約するSAFRANルールアプリケーションフレームワークを導入することによって,AnyBURLを改善した。SAFRANは,確立された汎用ベンチマークFB15K-237と大規模バイオメディカルベンチマークOpenBioLinkに関する完全解釈可能なリンク予測のための新しい最先端の結果をもたらした。さらに,それはFB15K-237に関する多重確立された埋込みベースのアルゴリズムの結果を超え,OpenBioLinkに関する規則ベースと埋込みベースのアルゴリズムの間のギャップを狭める。また,SAFRANは推定速度を2桁まで増加させることを示した。【JST・京大機械翻訳】