Papers/On building a diabetes centric knowledge base via mining the web

目的

糖尿病に関する知識ベース (DKB) の作成

手法

• 収集：医療に関する vertical portals から抽出
  • 半構造化データ部分を構造化（ナビゲーションページ、インフォボックス、テーブル、リスト）
• クラス定義：手動（vertical portals から重要なものを採用）
• トリプルを垂直分割しいくつかの2カラムテーブルに
  • Scalable Semantic Web Data Management Using Vertical Partitioning
  • トリプル(s,p,o)の集合に対し、pごとに(s,o)のテーブルを作成
  • テーブルを『クラス―インスタンス関係』と『インスタンス―インスタンス関係』の2つにグループ分け
• D2R (Database to RDF) でKB中のデータグラフ\( G_d \)に変換
  • portalごとに独立したKBが得られる
• instance matching を利用してKBを統合
  • インスタンスにクラス『病気』やクラス『症状』を付与する際に不一致が出る
    • インスタンスに付与すべきクラスを確率スコアで処理
    • ICD10をゴールドスタンダードとして利用
    • 同じラベルを持つインスタンスで多数決をとる
  • インスタンス同士のマッチングは標準最新を利用
    1. engineering of similarity features
    2. 候補選択
    3. 類似度計算
    4. 類似度集約
    5. 類似度から対応を導出
    • 参考：Ontology Matching
• EM（Expectation-Maximization）アルゴリズムを用いて糖尿病に関するグラフを抽出
  • 初手：糖尿病に関連性の高い中心ノード集合を手動で選択し、\( v_c^{(1)} \)とする。
  • 期待値計算ステップ：\( t \)回目の繰り返し計算で、中心ノード集合\( v_c^{(t)} \)に隣接するノード集合\( v_k^{(t)} \)を選択。このとき全体のグラフ\( G_d \)の部分グラフ\( G_k^{(t)} \)のノード集合は\( v_k^{(t)} \cup v_c^{(t)} \)となる。
  • 最大化ステップ：
    1. グラフ\( G_k^{(t)} \)のノード\( v_i \)について、固有ベクトル中心性スコア (eigenvector centrality score) \( c(v_i) \)を与える。
       （重要なノードに多くつながってるほど重視）
    2. \( G_k^{(t)} \)のノードから、閾値\( \phi_c \) 以上のノードを中心ノード集合\( v_c^{(t+1)} \)とする。

リンク

• On building a diabetes centric knowledge base via mining the web
  BMC Medical Informatics and Decision Making
  Proceedings from the 4th China Health Information Processing Conference (CHIP 2018)
  Published: 09 April 2019