[論文レビュー] Mapping knowledge with ontologies: the case of obesity

Montserrat Estañol, Francesco Masucci+2 more|arXiv (Cornell University)|Dec 4, 2017

Biomedical Text Mining and Ontologies被引用数 1

ひとこと要約

本稿では、肥満などの社会的課題に対して、形式化された分野専門家知識をアルゴリズム的トピックモデリングに統合することで、科学的マッピングを向上させるオントロジー駆動のアプローチを提案する。155の概念と48の関係を有する肥満のOWLベースのオントロジーを用いて、論理的制約と意味的関係が科学的知識を構造化し、完全にアルゴリズム的な手法に比べて、より正確で解釈可能で専門家の見解と整合性のある科学的マップを実現できることを示している。

ABSTRACT

Scientometric techniques have been remarkably successful at mapping science but they face important difficulties when mapping research for societal problems possibly because they they are derived only from scientific documents and thus do not rely on non-academic expert knowledge. Here we aim to explore how ontologies can be used in science mapping, thus enriching current algorithmic techniques with systematic domain expert knowledge. This study introduces the methodology behind the construction of an ontology and tests potential uses in science mapping. We use obesity as a topic of case study.

研究の動機と目的

• 完全に文献計測的であるがために専門家知識との整合性が欠如する科学的マッピングの限界を是正すること。
• 医学的、栄養的、行動的、環境的視点を統合した、包括的で形式化された肥満のオントロジーの構築。
• オントロジーが論理的制約、意味的ラベル付け、知識強化型クラスタリングを通じて科学的マッピングをどのように改善できるかを検討すること。
• オントロジーを制約フレームワークとして用いた知識強化型トピックモデリングと、無教師トピックモデリング（例：LDA）を比較すること。
• 将来の拡張性と再利用性を備えた、健康研究分野間での相互運用性を支援する、再利用可能で拡張可能なオントロジーの構築。

提案手法

• 肥満分野の155の概念と48の関係を形式論理を用いて表現するOWL 2.0オントロジーを構築した。
• 関係の整合性を保つために、オブジェクトプロパティ（例：'canBeTreated'、'medCondMayLeadToMedCond'）にドメインおよびレンジ制約を定義した。
• 自己参照的関係（例：疾患が自らを引き起こすことはない）を回避するため、非反射性公理を適用した。
• 治療法の種別（例：食事療法、薬物療法、療法）が互いに排他的であることを保証するため、排他的結合公理を用いた。
• トピックモデリング技術（例：LDA）とオントロジーを統合し、トピック分類をガイドおよび制約した。
• ネットワークグラフとしてオントロジーを可視化し、関連概念のクラスタ（例：代謝経路、合併疾患、行動的・環境的要因）を同定した。

実験結果

リサーチクエスチョン

• RQ1 分野の専門家知識をオントロジーに形式化することで、肥満のような社会的問題の科学的マップの正確性と解釈可能性が向上するか？
• RQ2 オントロジーを強化したトピックモデリングの結果は、完全にアルゴリズム的なアプローチと比べて、科学文献の分類においてどのように異なるか？
• RQ3 オントロジーに組み込まれた論理的制約は、トピッククラスタリングにおけるノイズ低減と整合性向上にどの程度寄与するか？
• RQ4 オントロジーは、科学的マップにおけるクラスタのラベリングと検証のための意味的基準フレームワークとして機能できるか？
• RQ5 文献データからの抽出と専門家による検証済みの見解とでは、肥満に関する認識にどの程度の差があるか？

主な発見

• 構築された肥満オントロジーには、155の異なる概念と48の関係が含まれており、医学的、栄養的、行動的、環境的側面を網羅している。
• すべてのオブジェクトプロパティにドメインおよびレンジ制約が正しく適用され、'canBeTreated' や 'medCondMayLeadToMedCond' などの関係の論理的整合性が保たれた。
• 'medCondMayLeadToMedCond' のような関係に対して非反射性が強制され、自己原因化を防ぎ、論理的妥当性が向上した。
• 排他的結合公理により、治療法（例：食事療法、薬物療法）が互いに排他的であることが保証され、臨床的現実を反映した。
• 予備的な可視化により、明確な概念的クラスタ（代謝経路、合併疾患、行動的・環境的要因）が同定され、解釈可能性が向上した。
• オントロジーは形式的かつ機械処理可能なフレームワークを提供し、推論ツールとの統合や将来の知識強化型トピックモデリングへの応用を可能にした。