Supporting inter-topic entity search for biomedical Linked Data based on heterogeneous relationships.
Supporting inter-topic entity search for biomedical Linked Data based on heterogeneous relationships.
复制标题
基于异质关系，支持主题间实体搜索生物医学链接的数据。
DOI：
10.1016/j.compbiomed.2017.05.026
复制
发表时间：
2017-08-01
影响因子：
7.7
通讯作者：
Kim HG
中科院分区：
文献类型：
--
作者：
Zong N;Lee S;Ahn J;Kim HG
基于关键字的实体搜索根据搜索的偏好来限制搜索空间。当给定的关键字和偏好与相同的生物医学主题不相关时，现有的生物医学关联数据搜索引擎无法提供令人满意的结果。本研究的目的是解决这个问题，通过支持一个主题间的搜索，提高搜索的输入，关键字和偏好，在不同的主题。本研究开发了一种有效的算法，其中生物医学实体之间的关系与基于关键字的实体搜索Siren一起使用。PERank算法是个性化PageRank（PPR）的一种改编，它使用一对输入：（1）搜索偏好，以及（2）来自基于关键字的实体搜索的实体和关键字查询，以基于预先计算的个体个性化PageRank向量（IPPV）的索引来形式化搜索结果。我们的实验进行了10个链接的生活数据集的两个查询集，一个与关键字偏好主题对应（主题内搜索），和其他没有（主题间搜索）。实验结果表明，该方法取得了更好的搜索结果，例如，提高了14%的精度为主题间搜索比基线基于关键字的搜索引擎。该方法改进了基于关键词的生物医学实体搜索，支持主题间搜索，而不影响基于不同实体之间关系的主题内搜索。
The keyword-based entity search restricts search space based on the preference of search. When given keywords and preferences are not related to the same biomedical topic, existing biomedical Linked Data search engines fail to deliver satisfactory results. This research aims to tackle this issue by supporting an inter-topic search—improving search with inputs, keywords and preferences, under different topics. This study developed an effective algorithm in which the relations between biomedical entities were used in tandem with a keyword-based entity search, Siren. The algorithm, PERank, which is an adaptation of Personalized PageRank (PPR), uses a pair of input: (1) search preferences, and (2) entities from a keyword-based entity search with a keyword query, to formalize the search results on-the-fly based on the index of the precomputed Individual Personalized PageRank Vectors (IPPVs). Our experiments were performed over ten linked life datasets for two query sets, one with keyword-preference topic correspondence (intra-topic search), and the other without (inter-topic search). The experiments showed that the proposed method achieved better search results, for example a 14% increase in precision for the inter-topic search than the baseline keyword-based search engine. The proposed method improved the keyword-based biomedical entity search by supporting the inter-topic search without affecting the intra-topic search based on the relations between different entities.
登录
查看更多内容
影响因子：
2.5
作者：
Hogan, Aidan;Harth, Andreas;Decker, Stefan
通讯作者：
Decker, Stefan
DOI：
10.1093/bioinformatics/btt765
发表时间：
2014-05-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Jupp S;Malone J;Bolleman J;Brandizi M;Davies M;Garcia L;Gaulton A;Gehant S;Laibe C;Redaschi N;Wimalaratne SM;Martin M;Le Novère N;Parkinson H;Birney E;Jenkinson AM
通讯作者：
Jenkinson AM
DOI：
10.4018/978-1-60960-593-3.ch008
发表时间：
2011-01-01
期刊：
SEMANTIC SERVICES, INTEROPERABILITY AND WEB APPLICATIONS: EMERGING CONCEPTS
影响因子：
--
作者：
Bizer, Christian;Heath, Tom;Berners-Lee, Tim
通讯作者：
Berners-Lee, Tim
影响因子：
--
作者：
Fogaras, Daniel;Racz, Balazs;Sarlos, Tamas
通讯作者：
Sarlos, Tamas
影响因子：
2.5
作者：
Halpin, Harry;Lavrenko, Victor
通讯作者：
Lavrenko, Victor