文献类型：期刊文章

作　　者：胡正银[1,2] 刘蕾蕾[1,2] 代冰[1,2] 覃筱楚[3,4]

Hu Zhengyin;Liu Leilei;Dai Bing;Qin Xiaochu(Chengdu Library and Information Center,Chinese Academy of Sciences,Chengdu 610041,China;Department of Library,Information and Archives Management,School of Economics and Management,University of Chinese Academy of Sciences,Beijing 100190,China;Guangzhou Regenerative Medicine and Health Guangdong Laboratory,Guangzhou 510700,China;Guangzhou Institutes of Biomedicine and Health,Chinese Academy of Sciences,Guangzhou 510530,China)

机构地区：[1]中国科学院成都文献情报中心,成都610041 [2]中国科学院大学经济与管理学院图书情报与档案管理系,北京100190 [3]广州市再生医学与健康广东省实验室,广州510700 [4]中国科学院广州生物医药与健康研究院,广州510530

出　　处：《数据分析与知识发现》

基　　金：中国科学院“十三五”信息化专项“面向干细胞领域知识发现的科研信息化应用”(项目编号:XXH13506-203);中国科学院文献情报能力建设专项“科技知识服务大数据基础设施”(项目编号:Y9290002);科技部创新方法工作专项“基于群智理论的创新方法新系统研究与应用示范”(项目编号:2019IM020100)的研究成果之一。

年　　份：2020

卷　　号：4

期　　号：11

起止页码：1-14

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的】探讨融合多源数据,开展深层次学科知识发现研究与服务的方法。【方法】通过构建科技文献SPO语义网络形成领域知识图谱的核心;通过"实体对齐、概念层次融合与关系融合"实现多源异构数据融合,生成完整领域知识图谱;基于领域知识图谱开展深层次学科知识发现;选择造血干细胞癌症治疗进行实证研究。【结果】提出一套基于知识图谱的学科知识发现方法框架KGSKD,可多维度、细粒度融合多源异构数据,定义数据间复杂语义关系,原生支持知识推理、路径发现、链路预测等知识发现应用。【局限】KGSKD存在容易出现数据过饱和、知识发现过程可解释性较差、与领域专家沟通难度较高等局限。【结论】KGSKD具有数据类型更丰富、知识关联更全面、挖掘方法更先进、发现结果更深入等优势,可更有效地支持生命医学学科深层次知识发现研究与服务。

关 键 词：学科知识发现  知识图谱 SPO三元组  数据融合 实体对齐  

分 类 号：G251[图书情报与档案管理类] TP393]