[论文解读] Biomedical Knowledge Graph Refinement with Embedding and Logic Rules

Sendong Zhao, Bing Qin+2 more|arXiv (Cornell University)|Dec 2, 2020

Advanced Graph Neural Networks参考文献 23被引用 7

一句话总结

该论文提出BioGRER方法，通过交替变分期望最大化算法，联合学习知识图嵌入与支持性及否定性逻辑规则，以精炼生物医学知识图（BioKG）。该方法显著提升了三元组合理性估计的性能，在COVID-19知识图上有效减少了噪声并解决了冲突，优于基线模型。

ABSTRACT

Currently, there is a rapidly increasing need for high-quality biomedical knowledge graphs (BioKG) that provide direct and precise biomedical knowledge. In the context of COVID-19, this issue is even more necessary to be highlighted. However, most BioKG construction inevitably includes numerous conflicts and noises deriving from incorrect knowledge descriptions in literature and defective information extraction techniques. Many studies have demonstrated that reasoning upon the knowledge graph is effective in eliminating such conflicts and noises. This paper proposes a method BioGRER to improve the BioKG's quality, which comprehensively combines the knowledge graph embedding and logic rules that support and negate triplets in the BioKG. In the proposed model, the BioKG refinement problem is formulated as the probability estimation for triplets in the BioKG. We employ the variational EM algorithm to optimize knowledge graph embedding and logic rule inference alternately. In this way, our model could combine efforts from both the knowledge graph embedding and logic rules, leading to better results than using them alone. We evaluate our model over a COVID-19 knowledge graph and obtain competitive results.

研究动机与目标

• 为应对快速演进的研究背景（如COVID-19大流行）下对高质量生物医学知识图（BioKG）日益增长的需求。
• 解决由信息抽取缺陷和不可靠文献引发的BioKG中固有的噪声与冲突问题。
• 通过结合支持或否定关系的知识图嵌入与逻辑规则，提升三元组合理性估计的准确性。
• 开发一种自包含的精炼模型，仅依赖BioKG的内部结构，无需外部证据。

提出的方法

• 将BioKG精炼建模为对每个三元组（h, r, t）的概率合理性估计任务。
• 采用变分期望最大化算法，交替优化知识图嵌入与逻辑规则推断。
• 整合两类逻辑规则：支持性规则（如传递性、对称性）与否定性规则（如block、conflict），用于验证或排除三元组。
• 使用嵌入模型（如TransE、DistMult、ComplEx）基于学习到的连续表示对三元组合理性进行打分。
• 应用规则模式如“has_gene_product(x,y) ∧ interacts_with(y,z) ⇒ has_gene_product(x,z)=0”以检测不合理三元组。
• 结合规则置信度与嵌入得分，在端到端学习框架中联合精炼知识图。

实验结果

研究问题

• RQ1 将知识图嵌入与逻辑规则结合，能否提升生物医学知识图中三元组合理性估计的准确性？
• RQ2 与支持性规则（如传递性、对称性）相比，否定性逻辑规则（如block、conflict）在精炼BioKG中的有效性如何？
• RQ3 相较于独立的嵌入方法或规则方法，基于变分EM的交替优化在多大程度上提升了精炼性能？
• RQ4 该模型能否在不依赖外部证据的情况下，有效检测并纠正中毒三元组（即错误或冲突的关系）？

主要发现

• 所提出的BioGRER模型在中毒三元组检测任务中显著优于竞争性基线模型，当使用TransE时，在大规模测试集上达到42.06的F-score。
• 引入逻辑规则可一致提升性能，其中否定性规则（特别是'block'规则）比支持性规则更为有效。
• 'block'规则成功否定了三元组（MKRN3基因，has_gene_product，NPTX1人源蛋白），而所有嵌入基线模型均错误地将其预测为真。
• 'conflict'规则有效拒绝了三元组（吗啡分解代谢过程，has_primary_output，吗啡），正确识别其因生物学不一致而不可信。
• 该模型在不同知识图嵌入模型上表现出鲁棒性，且在TransE、DistMult和ComplEx上均保持一致的性能表现。
• 案例研究证实，传递性与对称性规则可增强合理性验证能力，而基于规则的否定机制可识别出仅靠嵌入方法无法察觉的生物上不合理关系。