基于知识图谱和预训练语言模型深度融合的可解释生物医学推理

摘要：

基于预训练语言模型(LM)和知识图谱(KG)的联合推理在应用于生物医学领域时,因其专业术语表示方式多样、语义歧义以及知识图谱存在大量噪声等问题,联合推理模型并未取得较好的效果.基于此,提出一种面向生物医学领域的可解释推理方法 DF-GNN.该方法统一了文本和知识图谱的实体表示方式,利用大型生物医学知识库构造子图并进行去噪,改进文本和子图实体的信息交互方式,增加对应文本和子图节点的直接交互,使得两个模态的信息能够深度融合.同时,利用知识图谱的路径信息对模型推理过程提供了可解释性.在公开数据集 MedQA-USMLE 和 MedMCQA 上的测试结果表明,与现有的生物医学领域联合推理模型相比,DF-GNN 可以更可靠地利用结构化知识进行推理并提供解释性.

关键词：生物医学、预训练语言模型、知识图谱、联合推理

所属期刊栏目：60

分类号：TP391;U495;R318

资助基金：中山市引进高端科研机构创新专项2019AG031

在线出版日期：2024-02-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：62-70